一、先搞懂整个过程的核心逻辑:从摘机到挂机到底发生了什么

很多做通信相关开发的朋友,可能都接触过SIP协议,但多数人只停留在“知道这是个打电话的协议”,具体从拿起手机(主叫摘机)到对面挂完电话(通话完全释放)的完整链路,中间藏着很多容易踩坑的细节。先给大家捋清楚核心逻辑:整个过程分两大阶段,第一阶段是“建立连接”——就是从主叫摘机开始,到双方能正常说话;第二阶段是“释放连接”——从某一方挂机开始,到所有相关的网络资源、设备状态都彻底清空。

先举个生活化的例子帮大家理解:你要给朋友打电话,首先你得拿起手机(摘机),然后按号码(发起呼叫),运营商的网络得先找到你朋友的手机(路由),再确认你朋友愿不愿意接(响应),最后你们才能说话;挂电话的时候,不管是你还是朋友先挂,网络都得把之前给你们分配的线路、带宽这些资源收回去,不能占着茅坑不拉屎。SIP协议做的,就是把这个生活化的过程,用标准化的信令(可以理解为“网络里的专用对话”)串起来。

二、第一阶段:呼叫建立的信令时序(从摘机到通话)

这一阶段是最容易出问题的地方,很多开发者只会看表面的信令,忽略了中间的状态迁移,比如主叫的状态从“空闲”到“发起呼叫”,被叫的状态从“空闲”到“响铃”,每一步都有严格的顺序,错一步就会导致呼叫失败。

2.1 主叫摘机:触发呼叫的第一步

主叫摘机不是一个简单的“拿起手机”,对于SIP系统来说,摘机意味着主叫设备的状态从“空闲”切换到“准备发起呼叫”,同时会向本地的SIP服务器(可以理解为“网络里的接线员”)发送第一个信令:INVITE请求。

这里先给大家明确技术栈:所有示例统一使用SIP协议+FreeSWITCH服务器(常用的SIP服务端),所有信令示例都基于这个技术栈。

先看第一个信令的示例,这是主叫(假设主叫号码是1001)向FreeSWITCH发送的INVITE请求:

INVITE sip:1002@192.168.1.100:5060 SIP/2.0
Via: SIP/2.0/UDP 192.168.1.101:5060;branch=z9hG4bK-123456-1
From: <sip:1001@192.168.1.100>;tag=abc123
To: <sip:1002@192.168.1.100>
Call-ID: 123456789@192.168.1.101
CSeq: 1 INVITE
Contact: <sip:1001@192.168.1.101:5060>
Content-Type: application/sdp
Content-Length: 200

v=0
o=- 123456 123456 IN IP4 192.168.1.101
s=SIP Call
c=IN IP4 192.168.1.101
t=0 0
m=audio 10000 RTP/AVP 0 8 101
a=rtpmap:0 PCMU/8000
a=rtpmap:8 PCMA/8000
a=rtpmap:101 telephone-event/8000
a=fmtp:101 0-15

这个信令的核心是:告诉服务器“我是1001,我要找1002,我支持这些音频格式(PCMU、PCMA),我的音频端口是10000”。这里有个容易忽略的细节:Call-ID是整个呼叫的唯一标识,从建立到释放的所有信令都必须用同一个Call-ID,一旦不一致,服务器会认为是两个不同的呼叫。

2.2 服务器路由:找到被叫的过程

FreeSWITCH收到INVITE后,不会直接转发给1002,它会先做几件事:

  1. 检查主叫1001的权限:有没有资格发起呼叫?有没有欠费?
  2. 检查被叫1002的状态:在线吗?有没有开启呼叫转移?
  3. 把INVITE转发给1002的设备,同时给主叫返回“100 Trying”的响应——这个响应很多开发者会忽略,它的作用是告诉主叫“我已经收到你的请求,正在处理”,如果主叫长时间没收到100 Trying,就会认为呼叫失败。

这里给大家看服务器给主叫返回的100 Trying响应:

SIP/2.0 100 Trying
Via: SIP/2.0/UDP 192.168.1.101:5060;branch=z9hG4bK-123456-1;received=192.168.1.101
From: <sip:1001@192.168.1.100>;tag=abc123
To: <sip:1002@192.168.1.100>
Call-ID: 123456789@192.168.1.101
CSeq: 1 INVITE
Content-Length: 0

容易忽略的细节:100 Trying是临时响应,不是最终结果,很多新手会误以为收到100 Trying就是呼叫成功,其实不是,只有收到被叫的最终响应才算。

2.3 被叫响应:从响铃到接听

1002的设备收到INVITE后,会先响铃,同时向服务器返回“180 Ringing”的响应——这个响应会被服务器转发给主叫,主叫收到后就会播放“回铃音”(就是我们打电话时听到的“嘟、嘟”声)。

如果1002接听电话,会返回“200 OK”的最终响应,这个响应里会包含被叫的SDP(音频协商信息),比如被叫的音频端口、支持的音频格式。服务器收到200 OK后,会转发给主叫,主叫收到后会向服务器发送“ACK”请求,这个ACK是必须的,很多新手会忘记处理ACK,导致被叫虽然接听了,但主叫听不到声音。

这里给大家看被叫返回的200 OK响应:

SIP/2.0 200 OK
Via: SIP/2.0/UDP 192.168.1.100:5060;branch=z9hG4bK-123456-2
From: <sip:1001@192.168.1.100>;tag=abc123
To: <sip:1002@192.168.1.100>;tag=def456
Call-ID: 123456789@192.168.1.101
CSeq: 1 INVITE
Contact: <sip:1002@192.168.1.102:5060>
Content-Type: application/sdp
Content-Length: 200

v=0
o=- 987654 987654 IN IP4 192.168.1.102
s=SIP Call
c=IN IP4 192.168.1.102
t=0 0
m=audio 20000 RTP/AVP 0 8 101
a=rtpmap:0 PCMU/8000
a=rtpmap:8 PCMA/8000
a=rtpmap:101 telephone-event/8000
a=fmtp:101 0-15

容易忽略的细节:200 OK里的To标签(tag=def456)是被叫的唯一标识,后续所有针对这个呼叫的信令都必须带上这个标签,否则服务器会无法识别是哪个呼叫。

2.4 音频协商:通话的核心

主叫收到200 OK后,会把自己的音频端口(10000)和被叫的音频端口(20000)对应起来,开始发送RTP包(就是实际的语音数据)。这里有个容易踩坑的点:RTP包是走UDP协议的,没有重传机制,如果网络丢包,就会导致通话卡顿。

这里给大家看一个RTP包的示例(简化版):

0x80 0x00 0x12 0x34 0x00 0x00 0x00 0x01 0x12 0x34 0x56 0x78 0x00 0x01 0x02 ...

RTP包的前12个字节是头部,后面是语音数据。容易忽略的细节:RTP包的序列号(第3、4字节)是递增的,服务器可以通过序列号判断有没有丢包,很多新手不会检查序列号,导致无法定位卡顿问题。

三、第二阶段:呼叫释放的信令时序(从挂机到完全释放)

很多开发者以为“挂机”就是释放的结束,其实不是,挂机只是开始,后面还有很多步骤,一旦这些步骤出错,就会导致资源泄漏(比如服务器的端口、内存被一直占用)。

3.1 挂机请求:BYE信令

不管是主叫还是被叫先挂机,都会向服务器发送“BYE”请求,这个请求的作用是告诉服务器“我要结束这个呼叫”。

这里给大家看主叫挂机发送的BYE请求:

BYE sip:1002@192.168.1.100:5060 SIP/2.0
Via: SIP/2.0/UDP 192.168.1.101:5060;branch=z9hG4bK-123456-3
From: <sip:1001@192.168.1.100>;tag=abc123
To: <sip:1002@192.168.1.100>;tag=def456
Call-ID: 123456789@192.168.1.101
CSeq: 2 BYE
Contact: <sip:1001@192.168.1.101:5060>
Content-Length: 0

容易忽略的细节:BYE请求的CSeq是递增的,之前的INVITE是CSeq:1,现在的BYE是CSeq:2,服务器会检查CSeq的顺序,如果顺序错了,就会拒绝BYE请求。

3.2 服务器确认:200 OK响应

服务器收到BYE请求后,会向挂机方返回“200 OK”的响应,同时把BYE请求转发给另一方(比如主叫挂机,服务器会把BYE转发给被叫)。

这里给大家看服务器给主叫返回的200 OK响应:

SIP/2.0 200 OK
Via: SIP/2.0/UDP 192.168.1.101:5060;branch=z9hG4bK-123456-3;received=192.168.1.101
From: <sip:1001@192.168.1.100>;tag=abc123
To: <sip:1002@192.168.1.100>;tag=def456
Call-ID: 123456789@192.168.1.101
CSeq: 2 BYE
Content-Length: 0

容易忽略的细节:服务器返回200 OK后,会开始释放资源,但不是立即释放,而是等所有相关的信令都处理完,同时还要检查有没有未完成的事务。

3.3 被叫确认:最终释放

被叫收到服务器转发的BYE请求后,会向服务器返回“200 OK”的响应,服务器收到这个响应后,才会彻底释放所有资源:

  1. 关闭主叫和被叫的RTP端口
  2. 清空这个呼叫的所有状态信息(Call-ID、标签、CSeq等)
  3. 释放分配的内存、带宽等资源

这里给大家看被叫返回的200 OK响应:

SIP/2.0 200 OK
Via: SIP/2.0/UDP 192.168.1.100:5060;branch=z9hG4bK-123456-4
From: <sip:1001@192.168.1.100>;tag=abc123
To: <sip:1002@192.168.1.100>;tag=def456
Call-ID: 123456789@192.168.1.101
CSeq: 2 BYE
Contact: <sip:1002@192.168.1.102:5060>
Content-Length: 0

容易忽略的细节:如果被叫没有返回200 OK,服务器会一直等待,直到超时(一般是30秒),超时后才会强制释放资源,这会导致服务器的资源被占用一段时间。

四、应用场景、技术优缺点与注意事项

4.1 应用场景

SIP呼叫的完整链路主要应用在以下场景:

  1. 企业内部电话系统:比如员工之间的分机通话,需要稳定的呼叫建立和释放机制。
  2. 互联网电话:比如微信电话、钉钉电话,底层用SIP协议实现呼叫控制。
  3. 呼叫中心:比如客服系统,需要处理大量的呼叫,对呼叫建立的效率和资源释放的及时性要求很高。

4.2 技术优缺点

优点

  1. 标准化:SIP是IETF制定的标准协议,不同厂商的设备可以互相兼容,比如FreeSWITCH可以和华为的SIP终端、思科的SIP服务器通信。
  2. 灵活:SIP协议支持多种业务,除了语音通话,还可以支持视频通话、即时消息、会议等。
  3. 可扩展:可以通过扩展SIP信令实现新的功能,比如呼叫转移、呼叫等待、三方通话等。

缺点

  1. 复杂:SIP协议的信令流程比较复杂,涉及很多状态迁移和细节,新手很难完全掌握。
  2. 对网络要求高:SIP信令一般走UDP协议,容易丢包,导致呼叫建立失败;RTP包也走UDP协议,丢包会导致通话卡顿。
  3. 容易出问题:中间的任何一个环节出错(比如Call-ID不一致、CSeq顺序错、标签缺失),都会导致呼叫失败或者资源泄漏。

4.3 注意事项

  1. 信令的一致性:整个呼叫过程中,Call-ID、From标签、To标签必须一致,CSeq必须按顺序递增。
  2. 临时响应和最终响应的区别:100 Trying、180 Ringing是临时响应,200 OK、486 Busy Here、404 Not Found是最终响应,不要混淆。
  3. 资源释放的及时性:必须确保BYE请求和200 OK响应都被正确处理,避免资源泄漏。
  4. 网络问题的处理:可以通过配置SIP信令的重传机制(比如每隔1秒重传一次INVITE,最多重传5次),提高呼叫的成功率。

五、文章总结

从主叫摘机到通话完全释放的SIP呼叫链路,看似简单,其实是一个由多个信令、多个状态迁移组成的复杂过程。很多开发者只关注呼叫建立的结果,忽略了中间的细节,比如Call-ID的一致性、CSeq的顺序、标签的作用、资源释放的完整流程,这些细节往往是导致呼叫失败、资源泄漏的主要原因。

通过本文的逐段还原,大家应该能清楚整个过程的信令时序和状态迁移细节:呼叫建立阶段需要经过INVITE请求、100 Trying响应、180 Ringing响应、200 OK响应、ACK请求;呼叫释放阶段需要经过BYE请求、200 OK响应、最终确认。每个步骤都有严格的顺序和要求,只有掌握了这些细节,才能开发出稳定的SIP通信系统。