Asterisk项目中PJSIP联系人配置新增qualify_2xx_only字段解析
在Asterisk 20.12.0-rc1版本中,PJSIP模块引入了一个重要的新配置选项——qualify_2xx_only,这个变更对于使用实时数据库存储PJSIP联系人配置的用户来说需要特别注意。
背景介绍
Asterisk作为一款开源的PBX系统,其PJSIP模块负责处理SIP协议相关功能。在最新发布的20.12.0-rc1版本中,开发团队为PJSIP联系人对象新增了一个名为qualify_2xx_only的配置选项。这个选项主要用于控制联系人的资格认证行为。
问题现象
当用户升级到新版本后,如果使用ODBC实时数据库存储PJSIP联系人配置,系统日志中会出现警告信息,提示"Unknown column 'qualify_2xx_only' in 'field list'"错误。这是因为数据库表中尚未添加这个新字段,而Asterisk已经尝试在SQL查询中使用它。
技术细节
qualify_2xx_only是一个布尔型选项,它决定了在资格认证过程中,系统是否只接受2xx系列的SIP响应作为有效的资格认证响应。当设置为yes时,只有2xx响应会被视为成功;设置为no时,系统会接受任何非失败的响应(包括3xx、4xx等)。
这个选项的引入为管理员提供了更精细的控制能力,特别是在处理某些特殊的SIP设备或中间服务器时,可以更精确地定义什么样的响应应该被视为有效的资格认证响应。
解决方案
对于使用实时数据库存储PJSIP联系人配置的用户,需要进行以下操作:
- 修改ps_contacts表结构,添加qualify_2xx_only字段
- 该字段应为布尔类型,建议使用TINYINT(1)或等效类型
- 默认值可以设置为0(对应no)
对于MySQL数据库,可以使用类似以下的SQL语句:
ALTER TABLE ps_contacts ADD COLUMN qualify_2xx_only TINYINT(1) DEFAULT 0;
升级建议
在升级到Asterisk 20.12.0或更高版本时,管理员应当:
- 首先检查当前使用的PJSIP存储方式(文件或实时数据库)
- 如果使用实时数据库,提前准备数据库变更脚本
- 在升级前或升级后立即执行数据库变更
- 验证变更是否成功应用
总结
Asterisk 20.12.0版本引入的qualify_2xx_only选项增强了PJSIP模块的联系人资格认证功能。虽然这是一个小改动,但对于依赖实时数据库配置的用户来说,必须相应更新数据库结构才能确保系统正常运行。这种类型的变更也体现了开源软件持续演进的特点,管理员需要关注每个版本的变更日志,以便及时做出相应调整。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00