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。
kernelopenEuler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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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