首页
/ PJPROJECT项目中处理已确认状态下的二次INVITE请求问题分析

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:

  1. 第一个媒体行使用RTP/AVP协议
  2. 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:

  1. aud_cnt:指定允许的音频流数量,默认为1
  2. media_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:

  1. aud_cnt设置为期望支持的音频流数量(如2)
  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:

  1. 对端同时提供普通和安全版本的媒体流
  2. 对端提供不同编解码的多个媒体流选项
  3. 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

  1. 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
  2. 对于需要支持多种媒体配置的场景,适当增加aud_cnt
  3. 明确设置每个媒体流的方向,避免使用默认值
  4. 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

项目优选

收起
docsdocs
暂无描述
Markdown
831
5.5 K
kernelkernel
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
ops-transformerops-transformer
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
pytorchpytorch
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
ops-nnops-nn
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
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
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
jiuwenswarmjiuwenswarm
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
ops-mathops-math
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-learning-hubcann-learning-hub
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