PJPROJECT项目中处理已确认状态下的二次INVITE请求问题分析
2025-07-02 02:08:40作者:董斯意
背景介绍
在基于PJPROJECT(PJSIP)实现的SIP客户端开发过程中,我们遇到了一个关于媒体协商的典型问题。当SIP呼叫处于已确认(CONFIRMED)状态时,如果收到对端发来的二次INVITE请求(即re-INVITE),且该请求包含多个音频媒体流描述时,系统会出现媒体流异常问题。
问题现象
从日志分析可以看出,当呼叫建立后处于CONFIRMED状态时,对端发送了一个包含两个m=audio行的SDP offer:
- 第一个媒体行使用RTP/AVP协议
- 第二个媒体行使用安全的RTP/SAVP协议
PJSIP选择了第二个媒体行(索引1)进行协商,但最终该媒体流却被标记为"Local hold"(本地保持)状态,导致音频传输中断。
技术原理
在PJSIP中,pjsua_call_setting结构体控制着呼叫的媒体设置,其中有两个关键参数:
aud_cnt:指定允许的音频流数量,默认为1media_dir数组:指定每个媒体流的方向(发送、接收或双向)
当收到包含多个音频媒体描述的re-INVITE时,如果aud_cnt设置为1(默认值),PJSIP只会处理其中一个媒体流,其他媒体流将被忽略或设置为非活动状态。
解决方案
要正确处理这种情况,需要在发起或应答呼叫时正确配置媒体设置:
- 将
aud_cnt设置为期望支持的音频流数量(如2) - 为每个媒体流明确设置方向,通常设为
PJMEDIA_DIR_ENCODING_DECODING(双向)
示例配置代码:
pjsua_call_setting call_opt;
pjsua_call_setting_default(&call_opt);
call_opt.aud_cnt = 2; // 支持两个音频流
call_opt.media_dir[0] = PJMEDIA_DIR_ENCODING_DECODING;
call_opt.media_dir[1] = PJMEDIA_DIR_ENCODING_DECODING;
深入分析
这种设计源于SIP协议对媒体协商的灵活性要求。在实际应用中,可能会遇到以下场景:
- 对端同时提供普通和安全版本的媒体流
- 对端提供不同编解码的多个媒体流选项
- 对端尝试更新媒体参数或增加新的媒体流
PJSIP通过pjsua_call_setting结构体提供了细粒度的控制能力,开发者可以根据实际需求配置媒体处理策略。当收到re-INVITE时,PJSIP会基于这些设置决定如何处理每个媒体流。
最佳实践
- 在开发支持复杂媒体场景的SIP客户端时,应预先评估可能遇到的媒体流数量
- 对于需要支持多种媒体配置的场景,适当增加
aud_cnt值 - 明确设置每个媒体流的方向,避免使用默认值
- 在处理re-INVITE时,检查当前媒体设置是否满足需求
总结
PJPROJECT作为成熟的SIP协议栈,提供了灵活的媒体处理机制。理解并正确配置pjsua_call_setting参数是解决此类媒体协商问题的关键。通过合理设置音频流数量和方向,可以确保在各种网络环境和SIP服务器配置下都能正确处理re-INVITE请求,维持稳定的媒体通信。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0453
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python05
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX028
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++02
项目优选
收起
暂无描述
Markdown
831
5.5 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
495
520
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
978
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
806
1.16 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
792
1.59 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
484
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
777
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.21 K
1.26 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
659
298