Tôi tự code phần mềm video call 3 người thì mượt mà 6 người thì lag (nhầm 2 người thì mượt)

WebRTC tutorial đã nói dối bạn. Video call không khó. Scale video call mới khó.

---

1. Mọi chuyện bắt đầu bằng một tutorial “Build Zoom clone in 30 mins”

Nếu bạn từng học WebRTC…

thì khả năng cao bạn cũng từng xem một tutorial kiểu:

“Build Google Meet clone in 20 minutes!!! 🔥”

Và đúng là lúc demo…

mọi thứ nhìn rất magical.

Chỉ vài dòng code:

navigator.mediaDevices.getUserMedia({
  video: true,
  audio: true,
});

Browser bật webcam.

Sau đó:

• tạo RTCPeerConnection
• exchange SDP
• ICE candidate
• connect

Boom.

Hai browser tab nhìn thấy mặt nhau.

Lúc đó cảm giác kiểu:

“Ủa vậy là mình vừa build Zoom xong à?”

---

2. Khi mọi thứ vẫn còn màu hồng

Mọi thứ hoạt động cực kỳ hoàn hảo.

2 người call:

• video mượt
• latency thấp
• CPU ổn
• quạt laptop chưa kêu

Mình lúc đó tự tin lắm.

Kiểu:

“WebRTC dễ thế này mà mấy ông Zoom định giá tỷ đô?”

Sai lầm bắt đầu từ đây.

---

3. Và rồi mình test với… 6 người

Hôm đó mình rủ team vào test thử.

Khoảng:

• 6 người
• webcam bật full
• vài người share screen

Và rồi…

mọi thứ bắt đầu nổ tung.

---

Triệu chứng:

• CPU laptop tăng như coin mùa bull run
• quạt quay như turbine máy bay
• video lag
• audio robotic
• frame drop
• Chrome ăn RAM như ăn buffet

Một đứa trong team hỏi:

“Mạng công ty lag à?”

Không.

Architecture lag.

---

4. Mesh architecture: “ai cũng nói chuyện với nhau”

Sau khi debug một hồi…

mình phát hiện ra một sự thật hơi đau lòng:

Mỗi user đang gửi video cho tất cả những người còn lại.

Ví dụ room có 4 người:

A <--> B
A <--> C
A <--> D

B <--> C
B <--> D

C <--> D

Ai cũng connect với nhau.

Ai cũng stream cho nhau.

Ai cũng encode cho nhau.

Một social network đúng nghĩa.

---

Đây gọi là:

Mesh Architecture

Nghe thì rất đẹp:

• pure peer-to-peer
• không cần media server mạnh
• latency thấp
• architecture đơn giản

Tutorial WebRTC nào cũng thích dùng Mesh.

Vì:

• dễ demo
• dễ hiểu
• nhìn rất “distributed system”

---

Vấn đề là…

Mesh chỉ đẹp khi room còn ít người.

---

5. Laptop mình bắt đầu hóa thành lò sưởi

Giả sử:

• webcam stream = 2 Mbps
• room có 6 người

Mỗi user phải upload video tới 5 người khác.

Tức là:

2 \text{ Mbps} \times 5 = 10 \text{ Mbps upload}

Và đó mới chỉ là upload.

---

CPU cũng bắt đầu khóc.

Vì browser phải:

• encode nhiều stream
• encrypt SRTP
• maintain hàng đống peer connection

Mỗi participant mới vào room giống như:

“thêm một quả tạ vào laptop.”

---

Số lượng connection cũng tăng rất kinh dị.

Nếu có n users.

Số connection sẽ là:

\frac{n(n-1)}{2}

Ví dụ:

• 2 users → 1 connection
• 5 users → 10 connections
• 10 users → 45 connections

Đó là lúc mình hiểu:

Mesh không chết ngay lập tức.

Nó chết từ từ.

Rất từ từ.

Cho tới khi CPU fan bắt đầu hú.

---

6. SFU xuất hiện như một vị cứu tinh

Sau đó mình bắt đầu tìm hiểu:

“Ủa vậy Zoom sống kiểu gì?”

Và mình gặp:

SFU — Selective Forwarding Unit

Nghe tên khá intimidating.

Nhưng ý tưởng cực kỳ đơn giản.

---

Thay vì:

• A gửi cho B/C/D/E

thì:

A -> SFU

SFU sẽ forward stream cho những người còn lại.

Ví dụ:

      SFU
    /  |  \
   A   B   C
        \
         D

---

Điểm quan trọng nhất:

User chỉ upload đúng một lần

Dù room có:

• 5 người
• 20 người
• 100 người

thì laptop bạn vẫn chỉ upload:

• 1 stream

Đó là khoảnh khắc mình kiểu:

“Àhhhhhhhhh… giờ thì hợp lý rồi.”

---

7. Tại sao Zoom không dùng Mesh?

Vì nếu Zoom dùng Mesh…

thì:

• laptop sẽ bốc cháy
• mobile sẽ thành bếp từ
• WiFi sẽ biến mất khỏi Trái Đất

---

SFU giúp:

• giảm upload bandwidth
• giảm CPU client
• giảm số peer connection
• optimize stream quality

Ví dụ:

• user đang nói → ưu tiên HD
• user đang mute camera → giảm bitrate
• tile nhỏ → gửi low resolution

---

SFU còn có thể:

• simulcast
• adaptive bitrate
• congestion control
• dynamic forwarding

Nói đơn giản:

SFU giống traffic controller của media stream.

---

8. Mesh vs SFU: cuộc chiến giữa sự đơn giản và scale

Mesh

Ưu điểm

• đơn giản
• peer-to-peer thật sự
• dễ setup
• latency thấp

Nhược điểm

• không scale
• upload tăng rất nhanh
• CPU client đau khổ
• mobile experience tệ

---

SFU

Ưu điểm

• scale cực tốt
• upload thấp
• tối ưu bandwidth
• phù hợp meeting đông người

Nhược điểm

• cần media server
• infra phức tạp hơn
• tốn tiền hơn
• debugging khó hơn

---

Một rule khá nổi tiếng:

“2 người dùng Mesh rất đẹp. 10 người dùng Mesh là crime.”

---

9. Điều mình học được sau cú lừa WebRTC đầu đời

Trước đây mình nghĩ video call chỉ là:

“Lấy webcam rồi stream đi.”

Sau khi tìm hiểu Mesh và SFU…

mình mới hiểu communication system thật ra là sự kết hợp của:

• networking
• distributed system
• media processing
• bandwidth optimization
• realtime architecture

---

Điều thú vị nhất là:

Khi demo 2 người…

mọi architecture đều nhìn rất đẹp.

Nhưng chỉ cần scale lên…

mọi quyết định engineering bắt đầu lộ mặt thật.

Và đó là lúc mình hiểu:

“Build video call” không khó.

“Build video call cho hàng triệu người dùng” mới là thứ khiến Zoom trở thành công ty tỷ đô.