第1章. 文档说明
H.323是ITU-T提出的一个建议书。它是一个协议族,用来在IP分组交换网上实现语音通信、视频通信和数据会议。H.323当前已发展到了第6个版本。
H.323第6版本的建议书长达300多页,限于篇幅,不可能一一叙述。为了对H.323有个直观的了解,本文首先介绍H.323协议族的组成,这个部分主要介绍协议族中相关协议的功能;然后介绍H.323的各个组件,这个部分主要介绍各个组件的功能;在了解了协议和功能组件的基础上,再重点讲述H..323的通信过程,这个部分主要介绍呼叫信令控制和多媒体控制信令等的建立和释放,以及多媒体信息的传输。
图 1 H.323协议栈
第2章. H.323的相关知识
2.1. H.323协议栈
H.323协议族是建立在运输层之上的体系结构。正因为建立在传输层之上,所以它屏蔽了底层网络的差异,而使其与其他网络的VOIP协议交互起来比较容易。图 1是H.323的协议栈。
从图中可以看出,H.323有三个功能模块:信令控制模块、媒体传输模块和数据会议(Data Conference)模块。信令控制模块又由H.225.0 认证/接受/状态RAS(Registration/Admission/Status)信令、H.245媒体控制信令和H.225.0呼叫信令组成。媒体传输模块由音频传输和视频传输两部分组成,这两部分各自又包括编码标准、RTP实时传输和RTCP实时传输控制。数据会议模块则主要由建立在TCP上的T.120协议族来负责。
这里需要注意的是H.323只是H.32X多媒体通信标准系列中的一个。H.32X系列标准各自针对一种特定网络上的多媒体通信。它们公用了很多协议,例如H.245就是大多数H.32X协议族系列的一个公共的协议。H.32X协议族包括:H.320是在N-ISDN上进行多媒体通信的标准,H.321是在B-ISDN上进行多媒体通信的标准,H.322是在有服务质量保证的LAN上进行多媒体通信的标准,H.324是在GSTN和无线网络上进行多媒体通信的标准,而H.323为现有的分组网络PBN(如IP网络)提供多媒体通信标准。
图 1所示的协议栈中的各个协议都比较复杂,我们将在单独的部分中介绍它们。图 1中所示的协议栈是在什么上面实现的?当然是在H.323的功能组成部分——组件上了,因此,下面介绍H.323的组件。
2.2. H.323的组件
2.2.1. H.323拓扑图
图 2 一个简单的H.323拓扑图
图 2给出了一个简单的H.323系统的拓扑图。可以看出,H.323一般有四个组件:Terminal(终端)、Gateway(网关)、MCU(Mutipoint Control Units多点控制单元)和Gatekeeper(关守)。Terminal、Gateway和MCU都可称为endpoint(端点)。
2.2.2. Terminal
Terminal是一个产生和终止H.323数据流/信令的endpoint。它是一个带有H.323协议栈的器件,例如PC、嵌入式IP电话机和IP电话软件Net2Phone等。
根据H.323的规定,Terminal必须支持音频通信,而视频通信和数据会议则是可选的。
2.2.3. Gateway
Gateway是H.323网络中一个可选组件。Gateway最重要的作用就是协议转换。通过Gateway,两个不同协议体系结构的网络得以通信。例如,有了Gateway,一个H.323终端能够与PSTN终端语音通信。可以看出,当我们的通信要经过不同协议体系结构的网络时,Gateway是必须的。
2.2.4. MCU
MCU主要负责多方会话。MCU由一个必须的MC(Multipoint Controller)和可选的多个MP(Multipoint Processor)组成。MC负责信令控制,MP负责混音、Transcode等媒体处理。
2.2.5. Gatekeeper
Gatekeeper也是H.323网络的一个可选组件。Gatekeeper主要负责认证控制、地址解析、带宽管理和路由控制等。
当H.323网络中不存在Gatekeeper时,两个endpoint是不需要经过认证就能直接通信。这不便于运营商开展计费服务,而且两个endpoint的地址解析被分散到Gateway中,这无疑会加大Gateway的复杂度。另外,如果没有Gatekeeper,扩充新功能(如添加带宽管理和路由控制)是比较困难的。
Gatekeeper则恰好弥补了上述缺陷,当然也带来了成本的提高。Gatekeeper本质上是将认证控制、地址解析、带宽管理和路由控制等功能集成到一个器件中。这样,当H.323网络中存在Gatekeeper时,两个endpoint要通信,必须先经过Gatekeeper的认证。然后Gatekeeper从endpoint提交的认证信息(如Net2Phone提供的号码序列)中,获取到两个endpoint间的路由,从而让两个endpoint实现通信。当然,为加强整个网络的管理,我们可以方便地将带宽管理和路由控制等功能方便地添加到Gatekeeper中。
2.2.6. 小结
上面提到的组件只是逻辑上的功能组件,在具体的物理实现中,它们中的几个有可能被集成到一个器件上。例如,Gateway、Gatekeeper和MCU有可能集成到一个器件上,就像链路层交换和网络层路由往往能被集成到一个路由器上一样。
2.3. 信令控制协议
2.3.1. H.225.0 RAS信令
2.3.1.1. RAS是什么
H.225.0 RAS认证/接受/状态(Registration/Admission/Status)用来实现endpoint和Gatekeeper间的认证。RAS信令提供如下功能。
1) 允许Gatekeeper管理endpoint。
2) 允许endpoint向Gatekeeper提出各种请求,如认证请求、接受请求和带宽调整等请求。
3) 允许Gatekeeper响应endpoint的请求,接受或拒绝提供某项服务,如认证许可、带宽调整和地址解析等。
2.3.1.2. RAS消息的格式
同其它信令一样,H.225.0 RAS信令也是通过RAS消息来交互的。RAS消息的常用格式如下所示。
1) xRQ /*请求(一般情况下是,由endpoint发送至Gatekeeper),x随具体请求的不同而不同*/
2) xRJ /* Gatekeeper发回的拒绝响应,x随拒绝的内容的不同而不同 */
3) xCF /* Gatekeeper发回的确认响应,x随确认的内容的不同而不同 */
当然,RAS消息对一些特殊情况有特殊的格式,此处不再累述。
2.3.1.3. RAS交互的一般过程
如图 1所示,RAS是建立在UDP上。RAS单播通信(如IP电话)一般使用UDP端口1719,RAS多播通信(如视频会议)则一般使用UDP端口1718。
图 3 RAS交互过程
我们以RAS认证过程为例来讲述RAS的交互过程。图 3示意性地给出了RAS的认证过程。
可以看出,RAS的认证过程如下(其它交互过程是类似的)。
1) Gateway向Gatekeeper发送RRQ认证请求消息。RRQ认证请求给出了必要的认证信息。
2) Gatekeeper处理Gateway传来的认证信息,并向Gateway回送相应的响应。如果认证成功,则回送RCF认证确认消息;如果认证失败,则回送RRJ认证拒绝消息。
更完整的通信过程可参考第3章的内容。
2.3.2. H.245媒体控制信令
2.3.2.1. H.245媒体控制信令是什么
媒体传输时,有很多配置需要调整:需要协商发送方的发送特性和接收方的接收特性,需要打开或关闭某逻辑传输信道,需要实时控制媒体流。H.245媒体控制信令就是用来实现上述媒体控制功能的。它的功能如下。
1) 能力协商。H.323允许各endpoint具有不同的发送和接收能力。因此,两个endpoint要通信,必须先通过H.245消息来协调各自的能力。
2) 打开或关闭逻辑信道。H.323中,音频通信、视频通信和数据会议通信的信道是独立的,H.245被用来管理这些信道。H.245本身使用逻辑信道0。
3) 媒体流或数据流控制。H.245的反馈信息可用来调节endpoint的各项操作。
4) 其它管理功能。主要还是用来协调endpoint间的行为。例如,当发送endpoint的传输编码改变时,接收endpoint也需做相应的改变,这是由H.245负责的。
2.3.2.2. H.245消息的封装
图 4 H.245的封装
图 4给出了H.245消息的封装,这里做几点补充说明。
1) H.245信息是经H.245控制信道传输的,这个信道是可选的,例如在快速连接(Fast Connect)中,就没有这个信道。关于快速连接请参考2.3.3的相关内容。
2) H.245逻辑信道通常是一个单独的TCP连接,但是在快速连接等情况下,它是通过H.225.0呼叫信令隧道(Tunnel)实现的。这种情况其实是1)中所述情况中的一种。关于Tunnel,请参看第5章中的相关内容。
关于TPKT、ASN1等请参看相应的资料,此处不再累述。
2.3.2.3. H.245消息的类型和H.245的交互过程
H.245消息有如下四种常用的类型。
1) 请求(Request)。例如,主从确定请求masterSlaveDetermination和终端能力配置请求terminalCapabilitySet。
2) 响应(Response)。例如主从确定响应masterSlaveDeterminationAck和终端能力配置响应terminalCapabilitySetAck。
3) 命令(Command)。例如发送终端能力配置命令sendTerminalCapabilitySet。
4) 指示(Indication)。例如用户输入指示userInput。
H.245的交互过程与RAS的交互过程类似,可参考2.3.1.3和第3章的相应内容。
2.3.3. H.225.0呼叫信令
2.3.3.1. H.225.0呼叫信令是什么
图 5 H.225.0呼叫信令的封装
H.225.0呼叫信令,顾名思义是用来在两个endpoint间建立或释放一个呼叫信令连接。它部分地采用了Q.931(ISDN呼叫信令),并加上了一些适合分组交换网的特定内容;H.225.0呼叫消息也部分地采用了Q.932。
2.3.3.2. H.225.0呼叫信令的封装
图 5给出了H.225.0呼叫信令的封装,这里做几点补充说明。
1) H.225.0呼叫信令信道在TCP或UDP都可建立。
2) 图 5中所示的IE(Information Element)随所带信息的不同而不同。例如,SETUP有“Calling Party Number”、“Called Party Number”和“Display”等IE。
同样地,TPKT,Q.931和ASN.1请参考相关资料。
2.3.3.3. H.225.0消息的类型和H.225.0交互过程
H.225.0呼叫信令的交互也是通过呼叫信令消息实现的。呼叫信令消息的常见类型是:Setup,Call Proceeding,Alerting,Information,Release Complet,Facility,Progress,Status,Status Inquiry,Setup Ackowledge,Notify,Connect。
呼叫信令的交互过程就是两endpoint间交流呼叫信令消息的过程。图 6给出了一个基本的呼叫信令的交互过程。
图 6 RAS和H.225.0呼叫信令的建立过程
对图 6做些说明。
1) 图中给出的一个是最简单呼叫信令交互过程。Gateway之间是直接交互的,而没有通过Gatekeeper的中转。
2) 整个呼叫信令的建立过程能够最简化成两步,即“Setup”和“Connect”。当然呼叫信令的释放直接用“Release Complete”即可。
3) 图中给出的交互过程还有可选的步骤,如“Call Proceeding”、“Progress”和“Alerting”。这些步骤主要是用来避免超时错误和提供带内(in-band)广播等服务。
2.3.3.4. 小结
前面我们已讲述了3个媒体控制协议。这三个协议的执行顺序是怎样的?它们之间的关系又是怎样的呢?
三个协议的执行顺序是这样的:H.255.0 RAS协议最先进行,然后H.225.0呼叫信令控制协议和H.245媒体控制协议同时进行。具体的过程可参考第3章的相关内容。
三个协议的关系:三个协议按照时间顺序执行,各司其职,为H.323体系提供好的媒体控制功能。
2.4. 媒体传输相关协议
音频、视频等信息要传输,首先要编码,这需要编码协议。为保证它们的传输质量(实时性等),我们用UDP来传输它们,但UDP的可靠性不好,所以我们需在UDP之上加上自己的检错、纠错机制,这就是说我们要在UDP上加上另外的传输协议。
H.323协议体系中,从上到下与媒体传输相关的协议有:音频编码协议G.711和G.723.1等,视频编码协议H.261和H.263等,实时运输协议RTP以及与其配套的实时运输控制协议RTCP。
音频编码协议和视频编码协议请参看相应的标准。
RTP协议是用来提供端到端的实时运输功能,但并不保证服务质量;而配套的RTCP协议是用来保证服务质量的。这两个协议的详细情况请参看RFC3550(RFC1889是过期标准)和另一篇文章《RTP协议分析》。
2.5. 数据会议相关协议
这里主要讲建立在TCP上的T.120协议。
2.5.1. T.120是什么
T.120是一个TCP之上的协议族,使用熟知端口1503。它用来提供如下的功能。
1) 数据会议
2) 白板、共享图片。
3) 文件传输。
4) 即时文本聊天。
5) 共享应用(Application sharing),这个尚未标准化。
2.5.2. T.120协议栈
图 7 T.120协议栈
图 7虚线框内所示的即是T.120的协议栈,各协议的功能请参考图中的文字说明。如想深入了解整个协议栈,请参看相关H.323等相关文档。
第3章. H.323的通信过程
3.1. 总览
图 8 一个典型的H.323的通信过程
图 8给出了一个典型的H.323通信过程。可以看出这个通信过程分为4步。
1) 建立RAS信令。这主要完成认证、地址解析等功能。
2) 建立呼叫信令。这主要是通过Setup,Alerting,Connect等步骤来完成。
3) 建立呼叫控制(即媒体控制)。这主要完成协商endpoint的能力,打开或关闭媒体逻辑信道等。
4) 传输音频或视频等信息。
需要注意的是在快速连接(Fast Connect)模式下,并没建立单独的呼叫控制信道,所有的呼叫控制信息以“隧道”的方式在呼叫信令信道中传输。
下面分步骤地来讲解一个完整的通信过程。所给的例子中,左边的终端T1向右边的终端T2发起媒体通信。当然,T1和T2所在的网络中是有Gatekeeper的,然而我们假定T1与T2是直接路由的。
3.2. 建立呼叫
图 9给出了呼叫建立的过程。图中的绿实线表示RAS信息,而黑虚线表示H.225呼叫信令信息。图中的呼叫建立过程叙述如下。
1) T1向Gatekeeper发送认可请求ARQ(Admission Request)。
2) Gatekeeper确认T1的ARQ,向T1回送ACF。
3) T1发送“Setup”信息给T2。
4) T2向T1回送一个“Call Proceeding”响应,表明呼叫正在建立中。这个时候,如果T2已经向GateKeeper注册,则转6)。
5) T2到Gatekeeper处注册。
6) T2向T1发送“Alerting”信息,表明T2正在建立呼叫。
7) T2向T1发送“Connect”信息,表明已经成功地在T1和T2间建立了呼叫连接。
图 9 建立呼叫的过程
图 10 建立呼叫控制的过程
3.3. 建立呼叫控制
图 10给出了呼叫控制的建立过程。整个建立过程比较简单,就是T1(T2)向T2(T1)发送某个请求,然后T2(T1)向T1(T2)确认相应的请求。
3.4. 传输媒体信息
图 11 媒体传输示意图
图 12 释放呼叫连接的过程
图 11给出了媒体信息传输的示意图。RTP用来提供端到端的实时运输功能,但并不保证服务质量,而配套的RTCP用来保证服务质量。
3.5. 释放呼叫连接
图 12给出了释放呼叫的示意图。整个流程大致如下。
1) T1和T2向对方发送H.245消息“End Session Command”来建议释放呼叫连接。
2) T2向T1发送H.225信令消息“Release Complete”来释放呼叫连接。
3) T1和T2各自从Gatekeeper上登出。
第4章. H.323 VS SIP
H.323 是ITU-T提出的建议标准。它是基于电信网信令和协议制定的IP多媒体标准,而不是为IP电话专门提出的。因此以H.323为标准构建的多媒体通信网很容易与传统PSTN 电话网兼容,从这点上看, H.323 更适合于构建电信级大网。国际上几乎所有的商业性 IP 电话网或视频会议网都是以 H.323 为基础的。
SIP是IETF提出的标准,对应的RFC文档为RFC3261。它利用已有的IP 网络协议提供多媒体业务,协议简单但功能也比较简单。它的设计思想是,将网络设备的复杂性推向网络边缘,是一个分散式协议。SIP适合用来构建家庭网络和小商业网络。
总体来说,H.323适合集中管理,适合用来构建电信级大网,因而在企业级应用上占有了大部分市场。而SIP实现简单,但功能也相对简单,适合用来构建小型网络,因而在家庭应用等应用上占有了很大的市场。
第5章. 常见的疑问
5.1. 为什么看不到单独的H.245包
用Wireshark(Ethereal)对Net2Phone的VOIP通信抓包,为什么看不到单独的H.245包?
默认情况下,VOIP呼叫采用的是快速连接(Fast Connect)。在快速连接下,并不建立单独的H.245控制信道,所有的H.245包都以“隧道”的方式在H.225.0的呼叫信令信道中传输。事实上,在其它很多情况下,H.245包也是以“隧道”的方式在H.225.0的呼叫信令信道中传输。
因此,逐层展开抓到的H.225.0包,会发现其中有些包的“h245Tunneling”标志被置为“True”,这表明这些H.225.0包里传输了H.245信息。事实上,可以在这些包里找到“parallelH245control”域,这些域的内容就是H.245信息。
第6章. 参考资料
[1] http://www.itu.int/,ITU的主页,上面有H.32x系列标准。
[2] http://www.packetizer.com/iptel/h323/,上面有很多优秀的H.323参考文档,并且这些文档都是免费的。
[3] http://www.iec.org/online/tutorials/h323/index.htm,这里有来自Intel的H.323指南。
[4] http://www.openh323.org/,这里有开源的H.323实现工程。
[5] (An H.323 open source implementation project)