Meta 开始规模化部署 MoQ，用于 Instagram Live 推流
内容提要
Meta 在 Instagram Live 推流中用基于 QUIC 的开放标准协议 MoQ 替代自研 RUSH，支持低延迟、缓存分发和自适应码率。经数月实验，各项质量与可靠性指标与 RUSH 持平，成为业界最大规模 MoQ 应用之一，未来将扩展至更多直播与实时 AI 场景。
延伸解读
从自研 RUSH 到开放标准 MoQ 的迁移逻辑
Meta 将 Instagram Live 推流从自研 RUSH 迁移到基于 QUIC 的开放标准 MoQ，核心动机是收敛协议栈。RUSH 虽稳定运行近十年，但维护成本高且生态封闭。MoQ 由 IETF 协作推进，Meta、Google、Akamai 等共同参与，转向 MoQ 意味着开发重心从私有协议转向共享标准，可借助多实现者贡献经验、测试互操作性，减少长期维护定制协议的数量与运营模式。
边缘转换层：降低迁移风险的关键设计
替换直播推流协议的最大难点不在协议本身，而在下游系统。Meta 的应对策略是在边缘端点终止 MoQ 连接，由转换层将 MoQ 帧转为后端已理解的 RUSH 格式，使下游保持不变。这层转换器是临时脚手架，待 MoQ 成为唯一推流路径后移除。同时，流 URL 生成根据实验分组路由到 MoQ 端点，使灰度发布不依赖 App 版本采用率，实验规模可快速调整。
运维挑战：规范演进、防火墙与调试
MoQ 作为活跃的 IETF 标准，草案在构建期间持续变化，Meta 锁定特定草案版本并为旧客户端保留兼容垫片。网络层面，部分企业网与运营商仍阻断或限速 UDP/443，Meta 在直播开始时根据 TCP 与 QUIC 哪个握手先成功选择传输方式，并在会话期间沿用。调试方面，QUIC 加密使分帧对中间盒不可见，Meta 在边缘构建 MoQ 感知追踪，无需解密即可观察对象级事件。
指标持平的意义与后续扩展方向
经过数月实验，MoQ 路径在 Instagram Live 推流上的各项流媒体质量与可靠性指标均与 RUSH 持平。达到持平是这一阶段的目标，证明能在不打扰创作者与观众的前提下替换生产传输协议。这为下一阶段奠定基础：将 MoQ 扩展至 Meta 其余 App，利用 subgroup 等原生结构分离音视频与元数据流，并加入标准化 TCP 回退 QMUX，最终为下线 RUSH 打开大门。
Q&A
Meta 在 Instagram Live 推流中用什么协议替代了 RUSH？
Meta 使用基于 QUIC 的开放标准协议 Media over QUIC（MoQ）替代了自研的 RUSH 协议，用于 Instagram Live 的直播视频推流。
MoQ 协议的核心抽象是什么？它是如何工作的？
MoQ 的核心抽象是 Track（轨道），即一条可寻址的媒体对象流。发布者推入对象，订阅者通过一组中继接收。中继会缓存并转发对象，但不解析媒体载荷，只需理解 MoQ 的封装格式与投递元数据。
为什么 Meta 选择 Instagram Live 作为 MoQ 的首个规模化部署场景？
原因有三：Instagram Live 是 Meta 最大规模的试验场，能验证 MoQ 在最严苛推流负载下的表现；RUSH 正在落后于开放生态，转向 MoQ 可将开发重心转移到共享标准制定；指标持平是其他一切的前提，证明 MoQ 能在 Meta 体量下服务最大直播场景且不出现回退。
在 Instagram Live 上部署 MoQ 时，Meta 如何解决后端兼容问题？
Meta 在边缘做转换，而不是重写后端。MoQ 推流连接在专用的边缘端点终止，由转换层把 MoQ 帧转换为既往后端理解的 RUSH 格式，从而在切换客户端传输的同时保持下游不变。这个转换器只是临时脚手架，未来会被移除。
MoQ 部署过程中遇到了哪些运维层面的障碍？
主要障碍包括：规范仍在演进，MoQ 草案持续变化，Meta 锁定版本并保留兼容垫片；防火墙问题，部分网络阻断 UDP/443，Meta 根据 TCP 与 QUIC 握手成功情况选择传输方式；调试困难，QUIC 加密使分帧格式不可见，Meta 在边缘构建了能识别 MoQ 的追踪能力。
MoQ 在 Instagram Live 上的部署结果如何？
经过数月实验，MoQ 在 Instagram iOS 与 Android 上为 Live 推流上线。MoQ 路径在灰度期间所用的各项流媒体质量指标与可靠性指标上，都与 RUSH 持平。这证明了能够在不打扰创作者与观众的前提下替换生产传输协议。
Meta 未来计划将 MoQ 扩展到哪些方向？
Meta 计划将 MoQ 扩展到更多直播与实时 AI 场景，包括：把 MoQ 扩展到 Meta 其余 App，使用 MoQ 原生结构承载音频、视频与元数据，并加入基于标准的 TCP 回退（QMUX）；探索实时交互 AI，利用低延迟双向传输满足实时通信需求。
