SIP协议的定义及基本流程，sip协议

2024-03-07 22:30:50 0 0

描述

定义

SIP 协议，即会话发起协议（Session Initiation Protocol），是一个应用层的 点对点协议 ，用于初始、管理和终止网络中的语音和视频会话，属于 GB28181 的核心之一。

SIP 协议是由IETF组织提出的IP电话信令协议,IETFRFC2543中对它的定义是一个基于文本的应用层控制协议，独立于底层传输协议：TCP/UDP/SCTP，用于建立、修改和终止 IP 网上的双方或多方多媒体会话。借鉴了 HTTP、SMTP 等协议，支持代理、重定向及登记定位用户等功能，支持用户移动。

SIP协议通过与 RTP/RTCP、SDP、RTSP 等协议及 DNS 配合，从而支持语音、视频、数据、E-mail、状态、IM、聊天、游戏等应用场景。

它可在 TCP 或 UDP 之上传送，由于 SIP 本身具有握手机制，一般情况下首选 UDP传输协议。

从打电话的角度去理解SIP协议，推荐阅读：深入浅出SIP协议

本篇文章针对sip协议的应用场景是建立在GB28181协议的基础上来进行理解和解读的，如果理解有误，还请各位网友不吝指教！在评论区留下您的宝贵建议，谢谢！

基本流程

sip协议的网络元素：

用户代理
代理服务器
注册服务器
重定向服务器
位置服务器

上图简单的勾勒出了sip协议网络元素之间的关系，同时通过上图也可以了解到sip会话的基本呼叫流程：

用户代理B向注册服务器发送Register请求，携带contact地址；
随后注册服务器将B的地址，记录到位置服务器；
用户代理A向代理服务器发送invite请求启动与用户代理B的会话；
代理服务器会先向A发送响应100 Trying的信息以避免A重传invite消息；
然后代理服务器向位置服务器搜索B的地址，获取到地址后会进一步转发A的invite请求；
通过上一步代理服务器将A的请求转发到B，B向代理服务器响应180 Ringing信息；
代理服务器将B的响应信息转发给A,B向代理服务器响应200 OK信息；
紧接着A给B发送ACK请求，一个会话至此建立完成。

关于GB28181的"客户端对实时音视频点播"的流程，本质除sip服务器以外的都是sip客户端，也可以理解为客户端对媒体发送端的基本呼叫流程，如下图：

在GB28181标准中 中心信令服务器 (center control server)就是一个基于sip协议设计的负责核心sip信令应用处理的SIP服务器， 信令安全路由网关 (secure signal routing gateway)是一种具有安全功能的sip服务器。

"组成中心信令控制的逻辑实体包括代理服务器、注册服务器、重定向服务器、背靠背用户代理等的一种或者几种,是负责核心SIP信令应用处理的SIP服务器" --引自《GB/T 28181-2016 公共安全视频监控联网系统信息传输、交换、控制技术要求》

协议结构

sip协议包括六个主要请求和六类响应消息：

请求：

INVITE
BYE
REGISTER
CANCEL
ACK
OPTIONS

响应：

1xx: 临时/信息响应
2xx: 成功响应
3xx: 重定向响应
4xx: 客户端故障响应
5xx: 服务器故障响应
6xx: 全局故障响应

下面是GB28181协议标准下较常用的的sip请求：

INVITE

INVITE请求在GB28181协议中是视频点播（包括实时预览和历史回放）流程中最重要的一个环节，在invite请求中会包含SDP协议的内容。SDP协议(Session Description Protocol)是用来描述媒体数据是如何使用的，它由3个部分组成，可分为：

第1部分是Session description
- v= (protocol version)
- o= (owner/creator and session identification)
- s= (session name)
- i= (session information)
- u= (URI of description)
- e= (email address – contact detail)
- p= (phone number – contact detail)
- c= (connection information – not required if included in media description)
- b= (session bandwidth information)
- z= (time zone adjustments)
- k= (encryption key)
- a= (zero or more session attribute lines)
第2部分是Time description
- t= (time the session is active)
- r= (repeat times)
第3部分是Media description
- m= (media name/ transport address)
- i= (media title)
- c= (connection information – not required if included in session description)
- b= (bandwidth information)
- k= (encryption key)
- a= (zero or more media attribute lines)