P2P, SFU, MCU и гибрид: какая архитектура WebRTC подойдёт вашему продукту в 2026 году?

Почему мы написали этот гайд

Компания Фора Софт выпускает WebRTC-продукты больше десяти лет, а программное обеспечение для видео в реальном времени — уже 21 год. Из 625+ выпущенных продуктов значительная часть построена на WebRTC: видеоконференции, телемедицина, онлайн-образование, live-продажи в e-commerce, судебные архивы, вебинары, интерактивный спорт, видеоподдержка клиентов, удалённые инспекции и мультимодальные AI-агенты на базе LiveKit. Мы отлаживали каждую архитектуру под каждым видом корпоративных файрволов.

Этот гайд — та самая беседа по скоупу, которую мы ведём с продуктовыми командами на первой неделе WebRTC-проекта. Он заменяет море общих интернет-материалов чёткими, бизнес-ориентированными рекомендациями. Если вам нужна техническая глубина — читайте наш материал по сравнению P2P, SFU и MCU на уровне кода.

Один вопрос, который определяет архитектуру

Прежде всего ответьте: каков 95-й перцентиль одновременных участников в одной комнате? Не лучший случай, не демо-день — а рабочий пик, когда продукт реально используется.

Peer-to-peer (P2P): быстро, дёшево и с потолком

В чистом P2P два браузера согласуют SDP через ваш сигнальный сервер, а затем обмениваются медиа по DTLS-SRTP напрямую. Никакого медиасервера посередине. Задержка в хорошей сети — 50–150 мс end-to-end. Серверные расходы близки к нулю — вы платите только за сигналинг и фолбэк-релей TURN.

P2P-меш расширяет схему на небольшие группы: каждый участник отправляет свой поток каждому. Для N участников получается N×(N–1) потоков. Для 3–4 участников на нормальных устройствах работает; начиная с пятого — жжёт мобильные батареи и забивает аплинки.

Что нельзя пропускать. TURN-кластер (для MVP достаточно coturn на 2–3 хостах; для глобального масштаба — Cloudflare Calls TURN, Twilio или Xirsys). Примерно 15–20% корпоративных и мобильных сетей не дают пройти прямому ICE и требуют ретрансляции через TURN. Сэкономить на TURN на старте — значит на 30-й день взорваться от обращений в поддержку.

Selective Forwarding Unit (SFU): дефолт 2026 года

SFU — это медиамаршрутизатор. Каждый участник отправляет свой поток один раз; SFU выборочно пересылает его всем остальным, кому он нужен. Главное — SFU не декодирует и не перекодирует медиа. Это держит расход CPU на участника на низком уровне, а задержку — близко к прямой передаче.

Современные SFU используют два приёма экономии полосы: simulcast (издатель отправляет 3 слоя в разных разрешениях/битрейтах; SFU пересылает каждому подписчику тот слой, который ему подходит) и SVC (scalable video coding) с VP9 или AV1 (один закодированный поток с несколькими извлекаемыми слоями). И то и другое даёт пересылку с учётом полосы — бесплатно.

Шортлист SFU-решений на 2026 год

LiveKit. Open-source-сервер на Go плюс управляемое облако. Чистые SDK для всех платформ, первоклассная интеграция AI-агентов, сильный simulcast. Дефолтный выбор для новых проектов.

mediasoup. SFU-библиотека на Node.js. Маленькая, композиционная, встраивается прямо в ваш серверный процесс. Используется Discord и многими высоконагруженными продуктами. Подходит, когда нужен глубокий контроль логики маршрутизации.

Janus Gateway. Написан на C, плагинная архитектура, очень зрелый. Отлично подходит для broadcast-плагинов (стриминг, SIP-шлюз, запись).

Jitsi Videobridge. Java-SFU за Jitsi Meet. Простой в эксплуатации, хорошие настройки по умолчанию, открытое сообщество, зрелая логика LastN и определения доминирующего спикера.

Amazon Chime SDK, Dolby.io, Agora, Daily. Управляемый SFU как сервис. Вы меняете инженерные часы на поминутную тарификацию. Подойдёт, если хочется выпустить продукт раньше третьего месяца.

Multipoint Control Unit (MCU): миксер, композитор, тяжеловес

MCU декодирует каждый входящий поток, сводит их в одну композицию, кодирует обратно и отправляет каждому зрителю один общий поток. Этот поток гораздо проще обрабатывать на пользовательских устройствах — любой старенький смарт-ТВ, телефон или приставка проигрывает один 1080p H.264 без WebRTC-клиента. Расплата — сервер: декодировать и заново кодировать N потоков в реальном времени стоит в 4–10 раз больше вычислений, чем у SFU при том же числе участников.

Типичный инструментарий MCU: Pexip Infinity (enterprise), Kurento (open-source, сейчас поддерживается в основном как OpenVidu), Wowza Streaming Engine, Dolby.io Interactivity, специализированные broadcast-миксеры. Чистое MCU-развёртывание на 100+ участников обычно дороже в эксплуатации, чем SFU, раздающий HLS на 10 000 зрителей.

Гибридные архитектуры: как устроены реальные продукты

Серьёзные WebRTC-продукты редко выбирают одну модель. Типичный гибрид современного мита или платформы для creator-коммерции выглядит так:

1. Управляющий контур сигналинга. Один сервис (свой или LiveKit / Chime) отвечает за авторизацию, комнаты, presence.

2. P2P для 1:1. Если число участников ниже определённого порога (обычно 2–3), отказывайтесь от SFU и соединяйте пиров напрямую. Сразу дешевле и обычно с меньшей задержкой.

3. SFU для групп. Выше порога — поднимайтесь до SFU с simulcast и пересылкой по доминирующему спикеру.

4. SFU-каскад + LL-HLS для трансляций. При нескольких сотнях подписчиков отправляйте поток активного спикера из SFU в LL-HLS-выход на Cloudflare, Mux или AWS MediaLive; зрители подключаются по HLS, не касаясь WebRTC.

5. Опционально — MCU для композиции. Боковой инстанс MCU может собрать запись или брендированный broadcast-фид из того же SFU-источника.

6. TURN везде. Под всем перечисленным.

Модели затрат: что каждая архитектура делает с вашим счётом

Опорная единица — рубли за минуту участия. Диапазоны ниже — ориентир для коммодити-облака (микс AWS / Hetzner) в 2026 году; корректируйте на регион и объёмные скидки.

Выбор облачного хостера сильно влияет на счёт. Для нагруженных медиапроектов мы предпочитаем Hetzner серии AX или выделенные серверы Equinix Metal под стабильную нагрузку, с подключением AWS / GCP под пики — разбор TCO мы делали отдельно.

Безопасность и соответствие требованиям по архитектурам

WebRTC обязывает использовать DTLS-SRTP для медиа: каждый канал зашифрован при передаче. Различия начинаются в утечке метаданных, серверной обработке и обязательствах по комплаенсу.

P2P. Медиа никогда не попадает на сервер. Сквозная конфиденциальность — по умолчанию; запросы из-под повестки к вашей инфраструктуре дают минимальный объём данных. Поэтому приложения для телемедицины и юридических консультаций часто стартуют именно отсюда.

SFU. SFU пересылает медиа, но не расшифровывает его, пока вы держите его прозрачным. Для более строгой приватности («сервер не должен видеть моё видео ни при каких обстоятельствах») используйте Insertable Streams или сквозное шифрование фреймов (поддержка в Chrome / Safari с 2023 года). Большинство наших клиентов из регулируемых отраслей включают это для здравоохранения и финансов.

MCU. По определению сервер декодирует и кодирует поток заново. Сквозное шифрование на уровне медиа невозможно. Компенсируйте это укреплённой инфраструктурой, приватной сетью, короткоживущими токенами, серверной DLP и аудиторскими логами. С правильно оформленными договорами всё ещё совместимо с HIPAA и PCI.

Гибрид. Применяйте подходящую модель к каждой сессии. Регулируемые 1:1 идут через P2P со сквозным шифрованием. Групповые тренинги — через SFU с шифрованием фреймов. Маркетинговая трансляция — через MCU или CDN со входом по SSO.

AI-слой сверху — шумоподавление, транскрипция, агенты

AI-возможности всё чаще становятся причиной выбора одного WebRTC-продукта вместо другого. Пять интеграций с высокой ценностью регулярно встречаются в наших проектах 2026 года:

Шумоподавление. RNNoise, Krisp SDK, Dolby Voice. По возможности запускайте на стороне публикующего; на SFU — когда иначе никак.

Распознавание речи / субтитры в реальном времени. Deepgram, AssemblyAI, Whisper-large. Подключайтесь к аудиопотоку SFU через серверного потребителя.

Перевод в реальном времени. Сильный сценарий для глобальных продаж и мероприятий.

Синтетические голосовые агенты. LiveKit + OpenAI/ElevenLabs делают голосового ИИ-агента полноценным участником комнаты. Огромная тема в клиентской поддержке, планировании встреч и онбординге.

Запись и умное саммари. Запишите композитный поток SFU (или выход MCU), прогоните пост-разбор через LLM, чтобы получить пункты задач, отправьте в CRM. Раньше доставка такого функционала занимала квартал; с Agent Engineering мы делаем это за 3–4 недели.

Мобильные клиенты: архитектура, которая быстрее всех сажает батарею

Мобильные клиенты меняют расчёты. P2P-меш с четырьмя и более участниками выжмет средний Android-смартфон меньше чем за час; SFU с simulcast и аппаратным H.264 обычно растягивает время до 3–4 часов непрерывного использования.

Лучшие практики, которые мы соблюдаем в каждом мобильном WebRTC-приложении. Только аппаратно-ускоренные кодеки (H.264 baseline / H.265 там, где поддерживается); агрессивный выбор слоя simulcast в зависимости от размера видеоплитки; политика паузы при выключенном экране и в PiP; динамическое ограничение битрейта при низком заряде или троттлинге; аудиодорожка WebRTC в режиме «comm»; на iOS — AudioSession category = voiceChat с AVAudioSessionModeVoiceChat; корректная обработка жизненного цикла, чтобы дорожки реально освобождались при уходе в фон.

Мини-кейс — гибридная платформа от телемедицины 1:1 до прямых эфиров на 50 тыс. зрителей

Ситуация. Европейская цифровая медицинская компания пришла к нам с уже работающим P2P-продуктом для телемедицины и новой линейкой: групповые образовательные сессии для пациентов в прямом эфире на одновременно до 500 зрителей с пиками около 50 тыс. в кампанийные недели. Близко к HIPAA, строгий GDPR. Бюджет чувствительный.

План на 14 недель. Недели 1–3: проектирование архитектуры, пилот LiveKit, укрепление TURN, прототип сквозного шифрования через Insertable Streams. Недели 4–7: продакшен-выкатка SFU с simulcast; P2P оставлен для консультаций 1:1. Недели 8–10: каскад LL-HLS из SFU в CloudFront для дней с большой аудиторией. Недели 11–12: транскрипция и субтитры в реальном времени, запись, передача в CRM. Недели 13–14: нагрузочное тестирование на 3-кратный пиковый прогноз, аудиторские логи, проверка GDPR.

Результат. Медианная задержка от публикации до подписчика на LTE упала до 180 мс; broadcast через CDN держал ниже 4 с для 40 тыс.+ одновременных зрителей при предельной стоимости примерно в шесть раз ниже, чем у чистого SFU на том же масштабе. Существующие 1:1-сценарии сохранили прежние P2P-расходы. Счёт за инфраструктуру на одного платящего участника в минуту упал примерно на 35% по сравнению со стеком управляемой Agora, который клиент рассматривал ранее.

Ландшафт вендоров и инструментов WebRTC в 2026

Оценка трудозатрат на разработку (с поправкой на Agent Engineering)

Ориентировочные часы на построение каждого слоя с нуля с упомянутым выше инструментарием. Командам без ускорения закладывайте на 40–60% больше. Все суммы — грубые диапазоны.

Фреймворк решения: выбираем архитектуру за пять вопросов

Q1. Каков ваш p95 одновременных участников в комнате? 1:1 → P2P. 3–50 → SFU. 50+ в формате трансляции → SFU + LL-HLS или MCU.

Q2. Должен ли сервер декодировать медиа? (Композиция, юридический архив, мост в PSTN, маломощные клиенты.) Да → в схеме появляется MCU. Нет → только SFU.

Q3. Каков ваш уровень комплаенса? HIPAA / PCI / строгий GDPR → SFU со сквозным шифрованием фреймов или P2P. Только коммерческий уровень → любая модель.

Q4. Каков ваш time-to-market? Меньше 3 месяцев → управляемый SFU (LiveKit Cloud, Daily, Chime). 6+ месяцев → self-hosted OSS-SFU.

Q5. Будет ли у продукта режим трансляции? Да → планируйте каскад/выход с первого дня. Нет → вернитесь к вопросу, когда сместится roadmap.

Пять ловушек, которые губят WebRTC-проекты

1. Пропустить TURN. Корпоративные файрволы и NAT мобильных операторов утопят 15–20% сессий без него.

2. Делать MCU дефолтом. MCU звучит «серьёзнее», но обходится в 4–10 раз дороже для большинства митинговых сценариев. Используйте SFU, если вам реально не нужна композиция.

3. Игнорировать simulcast / SVC. Митинг на 50 человек без simulcast тратит полосу на зрителя с самой маленькой плиткой. Включайте simulcast с первого дня.

4. Однорегиональный SFU. SFU только в Лондоне, обслуживающий публикующих в Токио, — это боль. После пары сотен MAU планируйте минимум два региона.

5. Нет инструментирования QoE. Невозможно отлаживать то, чего вы не видите. Логируйте битрейт, потери пакетов, джиттер и RTT с первого дня; пушите их на дашборд с алертами.

KPI: что измерять в WebRTC-продукте

Качество. Задержка от публикации до подписчика < 250 мс p95 в одном регионе, < 400 мс p95 между регионами; потери пакетов < 2% p95; джиттер < 30 мс p95; доля видеофризов < 0,4%.

Бизнес. Доля успешных подключений > 99,5%; время установления звонка < 3 с; доля разрывов < 0,8%; доля сессий длиннее 5 минут > 80%.

Надёжность и стоимость. Доля сессий через TURN < 25%; запас по CPU на SFU > 30%; рублёвая стоимость минуты участника в пределах 10% от целевой три месяца подряд.

Когда WebRTC — неподходящий ответ

Чисто односторонний broadcast на 10 тыс.+ зрителей. Используйте LL-HLS или HLS с CDN. WebRTC оправдан, только если вам нужно сохранить интерактивность трансляции (чат, реакции, живой Q&A с задержкой меньше 1 с).

Видео по запросу. OTT и VOD живут на HLS/DASH.

Сверхнизкая аудио-задержка (< 100 мс). Голос для киберспортивных команд, профессиональные музыкальные коллаборации — рассмотрите специализированные протоколы (Soundstage, Elk Audio, кастомный RTP с FEC). Типичные для WebRTC 150 мс обычно достаточно, но не всегда.

FAQ

Нужен ли мне TURN, если SFU уже стоит в публичном облаке?

Да. TURN — это запасной маршрут, когда сеть участника блокирует прямой UDP/TCP до SFU. Он срабатывает примерно в 15–20% корпоративных сетей даже до публичного SFU. Без TURN такие пользователи вообще не подключатся.

Что такое simulcast и почему это важно?

Simulcast — это техника, при которой публикующий отправляет несколько разрешений (обычно 3) одного и того же видео, а SFU решает, какое из них переслать каждому подписчику. Митинг на 25 человек с simulcast отправляет миниатюры в 180p, а активного спикера — в 720p, вместо того чтобы заставлять каждого подписчика обрабатывать полные 720p всех публикующих.

Можно ли сменить архитектуру позже без переписывания?

Да, если изначально проектировать через абстракции. Держите сигналинг, управление комнатами и UI развязанными от транспорта медиа. Большинство клиентов, которых мы переводим с P2P на SFU или с Agora на LiveKit, оставляют UI продукта нетронутым и переключают только медиаслой.

LiveKit заменяет SFU или сам является SFU?

LiveKit — это и есть SFU. Поставляется как self-hosted-сервер на Go или как управляемое облако. Поверх SFU добавлены SDK, агенты для AI-нагрузок, egress для записи и LL-HLS, плюс операционные удобства.

MCU всегда дороже SFU?

В пересчёте на участника — почти всегда да. MCU выигрывает только тогда, когда снимает более тяжёлые расходы где-то ещё — например, когда вместо 10 000 WebRTC-подписчиков вы отдаёте один закодированный HLS-выход, и MCU оказывается заметно дешевле, чем SFU с раздачей на 10 000.

Чем WebRTC отличается от WHIP / WHEP?

WHIP и WHEP — это HTTP-профили для приёма и воспроизведения, которые используют WebRTC под капотом. Они упрощают сигналинг для broadcast-сценариев, и их всё активнее поддерживают CDN- и LL-HLS-провайдеры. Берите их, когда нагрузка имеет форму трансляции и предпочтителен тонкий клиент.

Как быть с записью сессий под HIPAA?

Записывайте на сервере в зашифрованное хранилище с ключами, которыми управляет клиент, — никогда на устройстве публикующего. Ведите аудиторские логи (кто запустил, кто остановил, кто получил доступ). С Insertable Streams можно записывать даже зашифрованные фреймы и поднять отдельный сервис подписи для легитимного доступа.

Могут ли AI-голосовые агенты звучать естественно через WebRTC?

Да. End-to-end-задержка ниже 700 мс — ASR + LLM + TTS поверх WebRTC — уже достижима с LiveKit Agents, OpenAI Realtime и аналогичными стеками.

Что почитать дальше

Готовы выпустить видео в реальном времени, которое окупается?

Архитектура видео в реальном времени — это пространство компромиссов, а не меню. P2P бесплатен, но имеет потолок. SFU — дефолт и красиво масштабируется с simulcast. MCU — правильный инструмент, когда серверная композиция оправдывает себя. Гибрид — то, как реально выпускаются продакшен-продукты. Инженерные вопросы решены; бизнес-вопрос — какая комбинация попадает в ваш трафик, ваш комплаенс и ваш time-to-market.

Фора Софт занимается этим больше десяти лет. Если вам нужен партнёр, который уже отвечал на ваш вопрос на похожем проекте, — забронируйте 30 минут, и мы расскажем самый короткий путь к рабочему масштабируемому WebRTC-стеку.