Asterisk项目中WebRTC邀请在Chrome 136版本失效问题分析
问题背景
近期Asterisk项目中出现了一个与WebRTC相关的重要兼容性问题。当用户将Chrome浏览器升级到136版本后,通过WebRTC向Asterisk服务器发送的邀请(INVITE)开始出现失败情况。这一问题影响了Asterisk 18.26.1及22.4.0等多个版本。
问题现象
在Chrome 136版本中,WebRTC邀请会因SDP(Session Description Protocol)解析错误而失败。错误日志显示系统报出"Too many objects of the specified type (PJ_ETOOMANY)"和"Missing SDP rtpmap for dynamic payload type (PJMEDIA_SDP_EMISSINGRTPMAP)"等错误。
根本原因分析
经过深入调查,发现问题根源在于PJPROJECT库中的SDP属性数量限制。具体来说:
- PJPROJECT库中定义了最大SDP属性数量的限制:
#define PJMEDIA_MAX_SDP_ATTR (PJMEDIA_MAX_SDP_FMT*3 + 4)
这个公式计算出的默认值是196个属性。
-
Chrome 136版本在SDP中新增了对HVEC编解码器的支持,导致SDP内容长度从7823字节增加到8189字节,属性数量也随之增加。
-
在Windows平台的Chrome 136中,SDP包含的媒体属性数量达到了239个,远超默认的196个限制。
解决方案
针对这一问题,社区提出了几种解决方案:
-
调整PJMEDIA_MAX_SDP_ATTR定义: 将原来的乘数从3增加到更大的值,如6或10:
#define PJMEDIA_MAX_SDP_ATTR (PJMEDIA_MAX_SDP_FMT*6 + 4)或
#define PJMEDIA_MAX_SDP_ATTR (PJMEDIA_MAX_SDP_FMT*10 + 4) -
修改位置: 需要修改的文件是third-party/pjproject/patches/config_site.h。
平台差异观察
值得注意的是,Chrome 136在不同平台上提供的编解码器数量存在显著差异:
-
Windows平台:
- 音频:8种编解码器
- 视频:42种编解码器
-
Linux平台:
- 音频:8种编解码器
- 视频:23种编解码器
这种差异导致Windows平台更容易触发属性数量限制问题。
历史相似问题
这并非首次出现类似问题。三年前就曾有过因Chrome更新导致SDP属性数量增加而触发限制的情况。这表明随着WebRTC技术的不断发展和浏览器功能的增强,类似的兼容性问题可能会周期性出现。
最佳实践建议
-
前瞻性配置:建议采用较大的乘数(如10)来配置PJMEDIA_MAX_SDP_ATTR,为未来的浏览器更新预留空间。
-
版本兼容性测试:在升级浏览器或Asterisk版本前,应进行充分的兼容性测试。
-
监控机制:建立对WebRTC连接失败的监控机制,及时发现类似问题。
总结
Asterisk与Chrome 136的WebRTC兼容性问题突显了开源通信系统与商业浏览器之间版本协调的重要性。通过适当调整SDP属性数量限制,可以有效解决当前问题。同时,这也提醒开发者需要关注浏览器更新可能带来的协议变化,确保通信系统的稳定性和兼容性。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00