概述

qtiredissink 是一个 GStreamer sink 元素，通过 Redis Pub/Sub 将基于文本的管道输出实时发布到 Redis 服务器。它接受来自上游元素的 text/x-raw 缓冲区，并将每个缓冲区作为消息转发到配置的 Redis 频道。它专为媒体和 AI 管道设计，用于将机器学习结果、分析输出或序列化元数据以最少的集成工作交付给后端系统、仪表板或分布式消费者。 支持的负载类型：

机器学习元数据 — 检测/分类结果、跟踪信息
应用程序生成的消息或序列化的自定义数据
JSON 或其他序列化文本负载

qtiredissink 在内部管理 Redis 连接和发布，减少了将 GStreamer 管道与 Redis 消息桥接所需的应用逻辑。 核心能力：

Redis 连接 — 使用可配置的主机和端口连接到 Redis 服务器，支持可选的身份验证
基于频道的发布 — 将每个传入的缓冲区发送到选定的 Redis Pub/Sub 频道
实时数据转发 — 元数据或文本输出一到达即发布

qtiredissink 是一个 sink 元素 — 它终止管道分支。
它只接受 text/x-raw 输入；不适用于原始音频或视频传输。
消息仅投递给当前已连接的订阅者，不会保留以供后续投递。
发布前必须配置有效的 channel。

示例管道

下载所需文件

文件	下载	保存为
YOLOX W8A8 模型	Qualcomm AI Hub — YOLOX	`yolo_x_w8a8.tflite`
检测标签	yolov8.json	`yolov8.json`
示例视频	输入视频	`Draw_1080p_180s_30FPS.mp4`

将文件复制到设备

# Replace $HOME to the appropriate device path before running the commands.
# For QLI:    /root
# For Ubuntu: /home/ubuntu
# Modify this based on your platform and ensure files are copied to the correct location on the device.
# Run from your host machine — replace <user> and <device-ip>

ssh <user>@<device-ip> "mkdir -p $HOME/{models,labels,media,media/output}"
scp yolo_x_w8a8.tflite          <user>@<device-ip>:$HOME/models/
scp yolov8.json                  <user>@<device-ip>:$HOME/labels/
scp Draw_1080p_180s_30FPS.mp4   <user>@<device-ip>:$HOME/media/

连接到设备

# Run from your host machine — replace <user> and <device-ip>
ssh <user>@<device-ip>

设置环境变量

在设备上运行以下命令

export MODEL_NAME=yolo_x_w8a8.tflite
export LABELS_NAME=yolov8.json
export SRC_VIDEO_NAME=Draw_1080p_180s_30FPS.mp4

运行管道

gst-launch-1.0 -e --gst-debug=2 \
filesrc location=$HOME/media/$SRC_VIDEO_NAME ! qtdemux ! h264parse ! \
v4l2h264dec capture-io-mode=4 output-io-mode=4 ! video/x-raw,format=NV12 ! queue ! \
qtimlvconverter ! queue ! \
qtimltflite model=$HOME/models/$MODEL_NAME delegate=external external-delegate-path=libQnnTFLiteDelegate.so \
  external-delegate-options="QNNExternalDelegate,backend_type=htp,log_level=(string)1;" ! queue ! \
qtimlpostprocess module=yolov8 labels=$HOME/labels/$LABELS_NAME \
  settings="{\"confidence\": 51.0}" ! text/x-raw ! qtiredissink host=127.0.0.1 port=6379 channel=ml_results

#Listen to the published data with Redis CLI from another shell:
redis-cli SUBSCRIBE detections

层级结构

GObject
   GstObject
      GstElement
         GstBaseSink
            qtiredissink

Pad 模板

sink

能力
`text/x-raw`	`format: NA`
可用性：Always
方向：sink

元素属性

属性	描述
`channel`	发布消息的目标 Redis Pub/Sub 频道。 `Type: String` `Default: NULL` `Flags: readable/writable`
`host`	Redis 服务器主机名或 IP 地址。 `Type: String` `Default: "127.0.0.1"` `Flags: readable/writable`
`password`	用于 Redis 身份验证的密码。 `Type: String` `Default: NULL` `Flags: readable/writable`
`port`	Redis 服务器 TCP 端口。 `Type: Unsigned Integer` `Default: 6379` `Range: 0 - 4294967295` `Flags: readable/writable`
`username`	用于 Redis 身份验证的用户名。 `Type: String` `Default: NULL` `Flags: readable/writable`

内部架构与消息模型

qtiredissink 连接到配置的 Redis 主机和端口（支持可选身份验证），读取每个传入的 text/x-raw 缓冲区，并使用 Redis 的 PUBLISH 命令将其内容发布到指定频道。由于它使用 Pub/Sub，消息仅实时投递给当前已连接的订阅者，不会保留以供后续投递。这使得该元素适合实时元数据和事件分发，而非持久化存储。

自定义负载支持

qtiredissink 可以传输任何自定义文本或序列化负载，只要它是 text/x-raw。这适用于：

序列化为文本的传感器或遥测数据
应用特定的元数据，例如 JSON
事件通知和状态消息
IMSDK 原生不支持的任何 AI 元数据

用法

继续之前，请确保已完成前提条件

带视频叠加和 Redis 元数据流传输的 AI 管道

该管道对离线视频执行目标检测。推理结果由 qtimetamux 以元数据的形式附加到每一帧，由 qtimlmetaparser 转换为 JSON，并由 qtiredissink 发布到 Redis 频道。同时，视频流继续进入显示路径，在屏幕上渲染检测叠加层。这将元数据分发与视频渲染分离开来，使外部应用能够通过 Redis 独立于所显示的视频来消费实时推理结果。 qtiredissink_arch

gst-launch-1.0 filesrc location=$HOME/media/$SRC_VIDEO_NAME ! qtdemux ! h264parse ! v4l2h264dec capture-io-mode=4 output-io-mode=4 ! video/x-raw,format=NV12 ! queue ! tee name=t t. ! queue ! qtimlvconverter ! queue ! qtimltflite delegate=external external-delegate-path=libQnnTFLiteDelegate.so external-delegate-options="QNNExternalDelegate,backend_type=htp;" model=$HOME/models/$MODEL_NAME ! queue ! qtimlpostprocess module=yolov8 results=6 labels=$HOME/labels/$LABELS_NAME ! queue ! text/x-raw ! metamux. t. ! qtimetamux name=metamux ! qtivoverlay ! tee name=t_split_4 t_split_4. ! queue ! waylandsink sync=false fullscreen=true t_split_4. ! queue ! qtimlmetaparser module=json ! qtiredissink sync=false async=false channel=ml_results host=127.0.0.1 port=6379

使用 Redis CLI 监听发布的数据：

redis-cli SUBSCRIBE ml_results

元数据直接流式传输到 Redis 的 AI 管道

该管道对离线视频执行目标检测。解码后的帧经过推理和后处理阶段，生成结构化文本形式的检测结果。该输出直接由 qtiredissink 消费，将推理元数据发布到 Redis 频道 — 不包含任何视频叠加或显示路径。 qtiredissink_arch

gst-launch-1.0 -e --gst-debug=2 filesrc location=$HOME/media/$SRC_VIDEO_NAME ! qtdemux ! h264parse ! v4l2h264dec capture-io-mode=4 output-io-mode=4 ! video/x-raw,format=NV12 ! queue ! qtimlvconverter ! queue ! qtimltflite delegate=external external-delegate-path=libQnnTFLiteDelegate.so external-delegate-options="QNNExternalDelegate,backend_type=htp;" model=$HOME/models/$MODEL_NAME ! queue ! qtimlpostprocess results=5 module=yolov8 labels=$HOME/labels/$LABELS_NAME ! text/x-raw ! queue ! qtiredissink host=127.0.0.1 port=6379 channel=detections

使用 Redis CLI 监听发布的数据：

redis-cli SUBSCRIBE detections

Introduction

Architecture

Key Documents

Technologies

System

Release Notes

qtiredissink

概述

示例管道

层级结构

Pad 模板

sink

元素属性

内部架构与消息模型

自定义负载支持

用法

带视频叠加和 Redis 元数据流传输的 AI 管道

元数据直接流式传输到 Redis 的 AI 管道

​概述

​示例管道

​层级结构

​Pad 模板

​sink

​元素属性

​内部架构与消息模型

​自定义负载支持

​用法

​带视频叠加和 Redis 元数据流传输的 AI 管道

​元数据直接流式传输到 Redis 的 AI 管道

概述

示例管道

层级结构

Pad 模板

sink

元素属性

内部架构与消息模型

自定义负载支持

用法

带视频叠加和 Redis 元数据流传输的 AI 管道

元数据直接流式传输到 Redis 的 AI 管道