2026年2月8日，MrBeast在直播电商平台Whatnot举办了一场大型抽奖活动。直播峰值同时在线人数达到58.3万，超过55.5万人参与同一轮抽奖，平台还在24小时内迎来了数十万名新用户。最终，整场活动没有发生重大技术事故。
这场直播的意义不仅在于观看人数创下纪录，也在于它验证了Whatnot和声网Agora在超大规模实时直播中的技术能力。技术博客原文请见Scaling Whatnot: Behind the Largest Live Shopping Stream in US History。
Whatnot面对的技术要求与解决方案
哪些场景对技术要求最高？
普通网络视频主要解决"让用户看到内容"的问题，而直播电商还要同时支持视频、评论、商品展示、抽奖、关注、注册和购买。
在这场活动中，真正困难的不是58万人安静地观看，而是MrBeast在直播中发出指令后，几十万用户可能在一秒内同时点击同一个按钮。例如，当主播说"现在参加抽奖"或者"去关注我"时，大量请求会瞬间涌向抽奖系统、个人主页和数据库。这种现象被称为"惊群效应"（大量用户在极短时间内同时访问同一个服务）。
因此，平台既要承受极高并发量（同一时间访问系统的用户数量），又要保证视频低延迟、抽奖结果准确、交易不中断，还不能影响平台上的其他直播间。
为什么技术难度高？
第一个难点是规模与低延迟之间的矛盾。
Whatnot原本使用WebRTC（适合实时音视频传输的网络技术）提供只有几百毫秒的直播延迟。但这种架构在单直播间几十万用户同时在线时，会带来连接数、流量和计算压力的急剧上升。
第二个难点是系统之间的连锁影响。
当应用服务器扩展后，每台服务器都需要连接Redis、OpenSearch和Kafka等系统。服务器数量增加会带来连接数同步增长，最终可能超过底层系统承受能力，并引发“级联故障”（一个系统问题连续引发多个系统故障）。
第三个难点是流量不可预测。
直播是非固定流程，主播的一句话可能瞬间触发几十万用户同时操作。传统逐步加压测试很难模拟这种瞬时爆发。
Whatnot如何解决？
首先，Whatnot开发了CAS准入系统（控制新用户进入平台的服务）。当访问人数超过安全范围时，系统会限制新用户进入，但不会影响已在观看或交易的用户，从而避免整体崩溃。
其次，在应用服务器与数据系统之间引入代理层和连接池（多个服务复用固定连接）。通过Envoy代理Redis和OpenSearch，并为Kafka建立专门连接代理，使服务器扩展不会导致连接无限增长。
第三，构建“Doomsday Feed”（高峰期备用信息流）。当主推荐系统压力过大时，系统自动切换到缓存结构更简单的备用页面，保证用户仍能进入直播。活动中约95%的信息流请求走了该路径。
此外，还将复杂查询拆分到独立数据库集群，避免订单、商品等重查询影响核心观看与交易流程，并通过长达十周的生产环境压测逐步优化系统瓶颈。
声网在直播中起到了什么作用？
在这次直播中，Whatnot主要负责应用层（登录、抽奖、商品、交易、推荐等），而声网负责实时视频的稳定传输。
双方提前约十周开始联合准备。声网与Whatnot一起进行了大规模测试，将视频链路能力验证到130万同时在线，并测试了用户快速进入、长时间高负载以及区域故障切换等场景。
正式直播中，声网在一个RTC频道（实时音视频房间）内承载了582,225名同时在线观众，并将首帧时间（用户进入直播后看到第一帧画面的时间）控制在1秒以内，整体视频延迟与画质保持稳定。
在网络波动情况下，声网通过自适应码率（根据网络状况自动调整视频清晰度）、拥塞控制（根据网络拥堵情况调整发送速率）以及抗丢包能力（在部分数据丢失时尽量保持视频连续）来维持播放体验。
同时，双方还组建了约30人的联合保障团队，对系统进行了72小时持续监控，确保直播稳定运行。
声网的竞争优势
从这次直播的描述中，可以归纳出声网的几个核心优势：
支撑超大规模单频道直播的能力
在本次活动中，声网在一个RTC频道内承载了58万级别的同时在线用户，并保持视频稳定与低延迟。这说明其系统能够在“单直播间极高集中度用户”场景下稳定运行，而不仅仅是总量上的承载能力。
在复杂网络环境下保持稳定体验的能力
在直播过程中，声网通过自适应码率、拥塞控制和抗丢包能力，在网络波动情况下仍尽量保证视频连续性、画质稳定和延迟可控。这体现了其在不稳定网络条件下的实时传输能力。
支持大规模活动的联合工程保障能力
在本次直播中，声网与Whatnot提前十周联合测试，并进行了130万级别的链路验证，同时在直播期间提供72小时持续监控，并组建约30人联合保障团队。这说明其不仅提供技术能力，还提供完整的工程协作与保障支持。