SIP协议简介
Sip协议的全称是会话初始协议（Session Initiation Protocol），用于控制发起、修改、终结交互式多媒体会话的信令协议。在现在的通信领域，越来越多的电信供应商都在提供基于Sip协议的服务，比如市话、长途电话、即时消息、语音消息、多媒体会议等。
在传统的电话呼叫场景中，供应商使用的是模拟信号，通信的两端都是电话话机，使用Sip协议之后，所有的数据都是使用数据包的形式在互联网上传输，通信的两端不再是传统的话机，而是软件电话（简称软电话）。
SIP协议交互过程
了解Sip协议交互过程之前，我们先来看看打电话的场景，假设A给B打电话，他们之间的交互一般是这样的：
- A给B拨号，邀请B接听电话；
- B的手机响铃，A同时可以听到响铃；
- B接听电话；
- A和B之间可以相互通话；
- B（或者A）挂断电话，通话结束；
Sip协议的交互过程和上图所示的过程基本一致，但是在协议层面还是多了两步：
- 在B接听电话的时候，会给A发送一个
OK消息，A收到OK之后，会回复一个ACK给B，然后A和B才开始通话； - 在B挂断电话的时候，会给A发送一个
BYE消息，A收到BYE消息之后，会回复一个OK给B，这时整个通话才结束。
一个完整的Sip交互过程如下：
SIP协议介绍
SIP协议是一个纯文本协议，运行在应用层，底层可以使用UDP或TCP作为传输协议（默认使用UDP）。SIP协议是在HTTP和SMTP协议的基础之上发展而来，他们有很多类似的地方，比如Client/Server模式，主叫作为client发送INVITE，被叫作为Server，响应RING。
SIP协议的内容大体上可以分为四部分：开始行、消息头、空行、消息体。
开始行
格式为：Method URI SIP_VERSION
SIP协议的Method有6种，分别是：INVITE,ACK,CANCEL,BYE,REGISTER,OPTIONSURI表示所请求的用户，可以理解为sip格式的被叫。被叫地址用sip来表示为sip:name@domain，domain部分可以是具体的IP，也可以是域名，默认使用的端口是5060（可以省略）。SIP_VERSION：SIP的版本号。消息头
格式为name: value;key=value;一个字段一行。
消息头一般至少会包含6个字段：Via, To, From, CSeq, Call ID, Max-Forwards。- Via
包含了SIP经过的所有节点信息，目的是为了让响应可以按via中的节点信息原路返回。 - To
sip格式的消息接收者。To后面有一个tag字段，在UAC发出建立会话请求时，由于会话还没有建立，所以此时To后面的tag字段为空，当UAS（user agent server）接收到INVITE请求，并响应1XX或2XX时，会在响应信息的To后面带上tag信息，此时结合From tag, To tag, Call id三者，就形成了本次会话的唯一ID，既dailog id。 - From
sip格式的消息的发送者，From后面必须要有一个tag，在UAC（user agent client）发送一个建立会话的请求时（INVITE），必须设置一个tag，此tag作为dialog ID（From tag, To tag, Call id）的一部分。 - CSeq
用于在同一个Dialog中标识及排序事务（transaction）以及区分新的请求 与请求的重发。
CSeq包括顺序号和方法（method），方法必须和它所对应的request相匹配。对于out-of-dialog的非register request，取值任意。
对于dialog内的每一个新的request（如BYE,RE-INVITE,OPTION），CSeq的序号加1。但是对于CANCEL,ACK除外。对于ACK而言，CSeq的序号必须与其所对应的request相同。对于CANCEL而言，CSeq的序号也必须与其cancel掉的request相同。
注意：在同一个对话中的UAC和UAS分别维护自己的CSeq序号，他们发出请求的CSeq序号是不相关的 - Call-ID
是一个邀请(Invitation)或来自同一个UAC用户的所有登记请求(Registeration，包括更新登记，取消登记)以及由此产生的一组响应的唯一标识。比如由同一个INVITE所产生的CANCEL、ACK，他们所使用的CALL-ID都是一样的。
一个invite可以建立多个dialog，每个dialog的Request和Response的Call-ID必须一致，唯一确定一个dialog的是dialog id（From tag, To tag, Call id三者共同确定一个dialog id）。 - Max-Forwards
定义了一个请求到达UAS的最大条数，这里定义的是一个整数，每经过一个节点就会自动减一，如果Max-Forwards归零还没有达到目的地，则会响应一个483的错误。
还有几个字段不一定在消息头中存在，但是出现的频率也比较高： - Content-Type
Content-Type: application/sdp
主要表示发给接收器的消息体的媒体类型。如果消息体不是空的，则Content-type header field一定要存在。如果Content-type header field存在，而消息体是空的，表明该类型的媒体流长度是0。 - Content-Length
表示消息体的长度。是十进制数。
- Via
空行
用于分割消息头和消息体。消息体
1
2
3
4
5
6
7
8
9
10v=0 //版本号为0
o=user1 685988692 621323255 IN IP4 192.168.31.131 //建立者用户名＋会话ID＋版本＋网络类型＋地址类型＋地址
s=- //会话名
c=IN IP4 192.168.31.131 //连接信息：网络类型＋地址类型＋地址
t=0 0 //会话活动时间 起始时间＋终止时间
m=audio 49432 RTP/AVP 0 8 101 //媒体描述：媒体＋端口＋传送＋格式列表 音频 ＋ 端口49432 ＋ 传输协议RTP ＋ 格式AVP，有效负荷0（u率PCM编码）
a=rtpmap:0 PCMU/8000 //0或多个会话属性： 属性 ＋ 有效负荷＋ 编码名称 ＋ 抽样频率。 rtpmap ＋ 0型 ＋ PCMU ＋ 8KHz
a=rtpmap:8 PCMA/8000 //a 可以有多个， 见SDP协议
a=rtpmap:101 telephone-event/8000
a=sendrecv
INVITE消息样例
1 | INVITE sip:[email protected] SIP/2.0 |
CANCEL消息样例
1 | CANCEL sip:[email protected] SIP/2.0 |
ACK消息样例
1 | ACK sip:[email protected] SIP/2.0 |
OK消息样例
1 | SIP/2.0 200 OK |
可能出现的问题
SIP协议既然可以用于通话，那么协议体中为什么没有传输音频内容？
要回答这个问题，首先还是回到本文开头部分关于SIP协议的介绍，说到底SIP协议只是一个信令控制协议，负责创建、修改、结束交互式的多媒体会话。那么语音数据的传输，还是需要配合RTP/RTCP(Realtime Transfer Protocol/Realtime Transfer ControlProtocol,实时传输协议/实时传输控制协议）协议一起使用。
