Asterisk项目中app_dial模块新增早期媒体超时控制功能
2025-07-01 15:41:34作者:丁柯新Fawn
功能背景
在VoIP通信系统中,早期媒体(Early Media)是指在呼叫建立过程中,在最终应答(Ringing或OK)之前传输的媒体流。这种机制常用于播放回铃音、语音提示等信息。Asterisk作为一款广泛使用的开源PBX系统,其核心拨号应用app_dial一直缺乏对早期媒体接收的超时控制能力。
原有问题分析
在之前的Asterisk版本中,app_dial模块虽然提供了超时(timeout)参数,但这个超时仅控制从拨号开始到对方应答的时间。如果被叫方发送了早期媒体(如183 Session Progress消息),但没有进一步应答,呼叫可能会无限期等待,导致资源被长期占用。
这种情况在实际部署中会带来以下问题:
- 当被叫系统发送早期媒体但不继续应答时,主叫方会一直处于等待状态
- 系统资源(如通道、内存)被无效占用
- 无法实现合理的超时控制逻辑
新功能实现
最新提交的修改扩展了app_dial模块的超时控制能力,使其不仅覆盖应答阶段,也覆盖早期媒体接收阶段。具体实现包括:
- 在拨号过程中同时监控早期媒体接收和最终应答
- 如果在指定超时时间内既没有收到早期媒体也没有收到应答,则终止呼叫
- 保持向后兼容性,不影响现有配置和脚本
技术实现细节
该功能通过修改app_dial.c核心代码实现,主要变更点包括:
- 重构超时处理逻辑,将早期媒体检测纳入超时判断条件
- 增加状态跟踪机制,区分"等待早期媒体"和"等待应答"两种状态
- 优化超时事件触发机制,确保资源能及时释放
应用场景
这一改进特别适用于以下场景:
- 对接不规范的SIP终端或运营商,这些系统可能发送早期媒体但不继续完成呼叫
- 需要严格控制呼叫建立时间的应用,如自动外呼系统
- 高并发环境,需要防止资源被无效占用
配置使用
使用这一功能无需特殊配置,只需继续使用现有的timeout参数即可。系统现在会在整个呼叫建立过程(包括早期媒体阶段)应用这个超时设置。
总结
Asterisk对app_dial模块的这项改进增强了系统的健壮性和可控性,特别是在处理不规范终端和网络环境时。这一变化使得系统管理员能够更好地控制呼叫建立过程,防止资源浪费,同时保持与现有配置的兼容性。对于构建高可靠性VoIP系统的用户来说,这是一个值得关注的重要更新。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 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。Python0168- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
hotgoHotGo 是一个基于 vue 和 goframe2.0 开发的全栈前后端分离的开发基础平台和移动应用平台,集成jwt鉴权,动态路由,动态菜单,casbin鉴权,消息队列,定时任务等功能,提供多种常用场景文件,让您把更多时间专注在业务开发上。Go03
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
596
4 K
Ascend Extension for PyTorch
Python
433
524
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++
915
755
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
365
243
暂无简介
Dart
840
204
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.45 K
814
昇腾LLM分布式训练框架
Python
130
154
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++
111
166
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
128
173