通俗易懂介绍sip协议和媒体库

1. 信令和媒体
   和7号信令或ISDN PRI信令一样，SIP只是控制会话的信令协议。

   让我们先看看传统的电话信令，电话和信令在E1电路上传输。每个E1有32个时隙(0-31)，每个时隙的带宽是64KBPS，整个E1的总带宽就是64k×32 = 2048K，也就是2M，所以E1也通常称为2M电路。

   7号信令（比如ISUP协议）通常在某个E1的16时隙传送，因为有64k的带宽，可以控制1到几十个E1话路。

   每个E1的全部32时隙，其中第0时隙用来进行帧同步，第16时隙要么跑信令要么空着啥也不干，因此一个E1除去2个时隙，只有30个时隙可以来传送话路，这个话路就是跑的每秒8000个字节采样率、A率编码的语音数据，我们称之为媒体或媒体流。

2. SIP和对应的媒体
   SIP是基于IP的，媒体数据也是基于IP，也就是所谓的分组交换。
   可见基于sip，信令和媒体也是分开的。信令的协议是SIP协议，类似于http协议，属于应用层协议。媒体则通过rtp协议来打包传输。
   SIP协议可以TCP也可以UDP，习惯上还是用UDP，周知端口号是5060，也可以设置为其他的端口号如5080。
   rtp将声音视频等数据打包，侦听到端口号可以自行配置，一般在SIP消息里面进行协商，协商的部分称之为SDP。
   注意，因为rtp一般会和rtcp（实时传输控制协议）配合使用，因此一个rtp需要占用两个端口。

   我们做防火墙配置的时候，如果要放开UDP端口，那么sip要放开一个端口，rtp要放开n×2个端口，n就是线路数，如前所述每个通道占用2个。

3. SIP消息的简单回合
   SIP消息就像http的消息，也有头部和正文部分（正文一般携带SDP数据，就是媒体协商数据）。
   要了解sip消息的细节，可以看记录的消息日志。

   一个正常的呼叫是这样的：
   Invite  -> 发起呼叫这个消息会携带sdp
           <- 100 临时响应
           <- 18x 回铃，可能是180或183，一般也会携带sdp，双方可以建立媒体连接，让呼叫方听到彩铃
           <- 200 OK 被叫摘机，携带sdp
             （如果呼叫失败，会返回300以上的消息）
   ACK     -> 确认
   进入通话
   Bye     -> 挂机
           <- 200 OK
   结束通话，注意，bye消息任何一方都可以发起。

   除了上面的几个消息，我们还会用到Register及注册消息。这里就不介绍了。
   蓝星际协议栈会自动处理这些消息，而且支持多线程并发。

4. 媒体库实现
   我们考虑一个sip分机，他需要两个rtp方向，一个方向是收对方的数据，相当于听；另外一个方向是发，相当于说。
   媒体的处理，当然不仅仅是rtp传输，还有可能放音，录音甚至传入到语音卡通道或从语音卡通道接收等。

   蓝星际的媒体库，设计了多种媒体处理的节点，其实本质上就是两种类型：接收器和发送器。
   对于发送器，需要绑定1-n个源，源就是产生数据的接收器。
   语音平台在一般情况下进行媒体处理是很简单的，比如座席和外线之间的通话(即两个通道之间的背靠背通话)，座席的发送器绑定到外线的接收器（即收到外线的数据转发给座席），外线的发送器绑定到座席的接收器（即收到座席的数据转发给外线）。
   这样进行转发，既不放大声音也不缩小声音，只要时钟周期正确，那么就是对声音数据进行完整地搬运。
   如果接收和发送到数据格式即声音编码格式不一样，那么需要进行转换。

   对于座席和外线通话的录音，情况稍微复杂些。
   录音节点相当于一个发送器（发送到文件），它需要绑定两个源，即将外线和座席接收到的声音同时存到文件，当然需要进行混音。
   混音的过程分两步，先将2个源各自收到的原始数据转换成线性pcm编码，然后进行相加，再转换回A率编码存入文件。

   文件放音相当于接收器，即定时从文件中读取语音。

 

5. 为什么定时器很重要?
   一般voip每20ms发送一个数据（也有10ms或30ms的），对于G.711A(就是前面介绍过的8000采样率A率编码的语音)来说，20ms的数据是160字节。
   如果不精确，比如每25ms发送一个数据，会出现什么情况呢？
   接收器收到的数据一般放在环形的缓冲区，供发送器读取，假设缓冲区存放10个包即200ms的数据，每次5ms的误差，逐渐累积后，声音的延时越来越大， 而且累积到40次后就会丢失整个缓冲区，即丢失整整200ms的声音，效果自然很差。

   系统必须保证每20ms就发出数据，但windows和Linux都不是实时操作系统，服务器上还要求多路并发，就更需要精确的定时机制，而且必须简单实现以 免消耗太多资源，设计这类多路的定时机制，有难度。是系统的核心技术，有些公司甚至为此申请专利。
   我们实现的定时器非常精确，消耗资源也很少，结果可以从多媒体库记录的日志进行分析。

以上原理性的讨论是通用的，从另外一方面有助于您了解蓝星际语音平台（for SIP版本）的工作过程，出现问题的时候可以更容易定位原因。

       2011.10.14 朱东宁 于Hongkong旺角