首页
/ Baresip项目中ZRTP模块内存不足问题分析与解决

Baresip项目中ZRTP模块内存不足问题分析与解决

2025-07-07 21:48:27作者:丁柯新Fawn

问题背景

在Baresip项目中,当通话同时包含音频和视频流时,gzrtp模块在进行流更新操作时会出现内存不足的错误。具体表现为系统日志中出现"zrtp: protect/protect_ctrl failed (len=60): Out of memory [12]"的错误信息。

问题分析

这个问题主要发生在调用call_set_video_dir函数添加视频流到通话时。通过深入分析代码,发现问题出在SRTP保护机制的缓冲区处理上。

Srtp::protect_int函数中,系统会检查缓冲区是否有足够的空间来添加认证标签和MKI(Master Key Identifier)。当缓冲区剩余空间不足时,函数会返回ENOMEM错误。

通过添加调试信息发现,当错误发生时:

  • 缓冲区总大小为64字节
  • 当前数据长度为60字节
  • 剩余空间为0字节
  • 实际需要8字节额外空间

解决方案

针对这个问题,我们采用了动态调整缓冲区大小的解决方案:

  1. protect_int函数开始时检查缓冲区剩余空间
  2. 如果剩余空间为0,则尝试将缓冲区大小增加64字节
  3. 重新计算剩余空间后继续执行保护操作

核心修改代码如下:

if (extra == 0) {
    if (mbuf_resize(mb, mb->size + 64)) {
        warning("zrtp: protect: mbuf resizing failed\n");
        return ENOMEM;
    }
    len = mbuf_get_left(mb);
    extra = (mbuf_get_space(mb) > len)?
        mbuf_get_space(mb) - len : 0;
}

技术细节

SRTP(Secure Real-time Transport Protocol)是RTP的安全版本,它为实时传输协议提供了加密、消息认证和重放保护。在Baresip中,ZRTP模块负责实现SRTP的安全功能。

当添加视频流时,系统需要为新的媒体流建立安全通道,这涉及到:

  1. 生成新的加密上下文
  2. 分配必要的缓冲区空间
  3. 设置认证标签和MKI

缓冲区大小不足会导致安全保护操作失败,从而影响通话质量。通过动态调整缓冲区大小,我们确保了SRTP保护操作有足够的空间来完成其工作。

后续优化建议

  1. 考虑移除GZRTP_USE_RE_SRTP宏定义,统一使用RE栈或libzrtp栈
  2. 对缓冲区大小进行更精细的管理,避免频繁调整
  3. 增加更多的错误检测和恢复机制,提高系统鲁棒性

这个问题的解决不仅修复了特定场景下的功能异常,也为类似的内存管理问题提供了参考解决方案。

登录后查看全文

项目优选

收起
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
511
551
docsdocs
暂无描述
Markdown
852
5.69 K
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++
1.05 K
2.49 K
kernelkernel
deepin linux kernel
C
33
16
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
839
1.28 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++
847
1.7 K
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++
1.25 K
1.38 K
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
3.17 K
857
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++
503
346
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
787
415