09.01.05 SIP通信流程及消息 · 波仔的 AI 编程实战课

📄 一句话概括

八条报文跑完一次完整接入：两轮注册、一轮呼叫、一轮挂断—— 本机 5 毫秒上下，真设备慢一到两个数量级。 两轮注册不是多余，是「服务器出题、客户端答题」的必然结果。

📝 本节和前面几节的关系

09.01.04 讲了三元组怎么标识对话，这一节把对话真正跑起来。 08.02.03 的「设备搜索四步」是 ONVIF 的入口流程， 这一节是 SIP 的对应物，只是它多了一步注册。

一、八条报文的顺序

#	报文	作用
1~2	REGISTER 两轮	登记地址
3	`INVITE`	发起呼叫
4~6	`100`／`180`／`200`	停重传、振铃、接通
7	`ACK`	确认（无应答）
8	`BYE` → `200`	挂断

第 1~2 行占了两条报文，而它们干的是同一件事——这是 SIP 鉴权设计造成的，下面单独讲。 第 7 行那个 ACK 之后紧跟着就是通话（媒体走 RTP）， SIP 在这段时间里一条报文都不发——有人以为「SIP 一直在跑」，其实它在通话期间是静默的。 所以「通话中 SIP 断了」不影响画面，只影响「挂断」这一步（BYE 发不出去）。 这一点和 RTSP 不同：RTSP 断了要保活，SIP 不用。

二、两轮注册：服务器出题、客户端答题

为什么不能一轮搞定？ 因为客户端算不出答案：

轮次	带什么	服务器回什么
第一轮	不带鉴权	401 + nonce
第二轮	带 response	200 OK

第一轮那个 401 里带了 WWW-Authenticate，里面有 realm 和 nonce 两个关键值。 nonce 是服务器临时生成的——客户端必须拿它参与摘要计算， 所以「不知道 nonce 就算不出 response」，一轮注册在设计上就不可能。 这和 ONVIF 的 WS-Security 不一样：那边是客户端自己生成 nonce（08.04 讲过）， 所以 ONVIF 一次就能带上鉴权。 两者的差别在于「谁掌握随机数」：掌握随机数的一方掌握防重放的能力。

三、SIP 的摘要算法是 MD5

这一点必须和第八章分清，因为两章都叫「鉴权」：

| 项 | ONVIF（第八章） | SIP（本章） | |---|---|---|---| | 算法规格 | WS-Security | RFC 2617 | | 哈希 | SHA1 | MD5 | | nonce 谁生成 | 客户端 | 服务器 | | 编码 | Base64 | 十六进制 |

第二行那个 MD5 是 SIP 的现状：RFC 2617 定的是 MD5， 虽然早就不该用于新系统，但存量设备全按它实现——所以做国标对接时，MD5 是绕不过去的。 第三行的差别带来一个实际后果：SIP 必须先被拒一次才能鉴权，而 ONVIF 可以第一次就带上。 所以 SIP 注册永远是两条报文起步，在高延迟网络上这一来一回很贵。

四、ACK 为什么没有应答

这是 SIP 里最反直觉的一条：

问题	答案
ACK 是请求吗	是，但不是「要办什么事」的请求
它要应答吗	不要，它就是应答的应答
丢了怎么办	服务器重传 200 OK

第三行是关键： 可靠性不是靠「ACK 有应答」实现的，而是靠「200 OK 一直重传直到收到 ACK」实现的。 所以如果 ACK 丢了，服务器会按 T1 翻倍的节奏重发 200 OK（Timer G）， 主叫再回一次 ACK 就行。 这个设计很巧：它把「确认」的责任放在接收方（重传）而不是发送方（等待）， 于是 ACK 可以完全不等结果。 代价是「幽灵通话」：ACK 一直丢，服务器一直重传，主叫以为通了， 而实际上服务器的状态机还停在「等 ACK」。

五、挂断为什么是两条

BYE 是普通请求，所以它有应答：

报文	方向	含义
`BYE`	任一方都可以发	我要挂了
`200 OK`	对方	同意，对话结束

第一行那个「任一方都可以」值得注意：SIP 没有「主叫才能挂」的规矩， 被叫先挂也一样发 BYE。 这和电话网的「谁先挂谁计费」不一样——SIP 只管会话，不管计费。 第二行那个 200 之后对话就作废了（09.01.04 讲过），所以「挂断失败」的后果是「对话还活着」， 而不是「电话没挂掉」。 现场遇到「平台显示在线但一直占线」， 多半就是 BYE 丢了、对话没清掉——这时候要等超时，或者由平台强制清。

六、动手 Demo：注册到挂断，全流程八条报文

Demo 真跑完整流程：两轮注册、一次呼叫、一次挂断，每步单独计时。 UAS 是本地起的，端口每次不同。

uas = S.UAS()
port = uas.start()

r1 = S.build_req("REGISTER", cseq=1, req_uri="sip:3402000000")
a1, _ = uas.req_exchange(r1)          # 401 + nonce

rsp = S.digest(S.sid(2), uas.realm, uas.pwd, "REGISTER",
                "sip:3402000000", uas.nonce)
r2 = S.build_req("REGISTER", cseq=2, req_uri="sip:3402000000",
                  extra=[("Authorization", "Digest ... response=\"%s\"" % rsp)])
a2, _ = uas.req_exchange(r2)          # 200 OK

inv = S.build_req("INVITE", cseq=1, body=S.sdp())
# 发 INVITE，收 100 / 180 / 200，发 ACK，发 BYE

实跑输出：

--------------------------------------------------------------------
注册到挂断，全流程八条报文
--------------------------------------------------------------------
**这一节要跑完整流程**：注册两轮、呼叫一轮、挂断一轮。

UAS 起在 127.0.0.1:57464

  #     方向          报文                    字节     含义             毫秒
  ---------------------------------------------------------------------------
  1     UAC → UAS     REGISTER                356      401 要鉴权       0.92
  2     UAC → UAS     REGISTER                539      200 注册成功     1.20
  3     UAC → UAS     INVITE                  628      （已发出）       0.36
  4     UAS → UAC     SIP/2.0 100 Trying      280      停重传           0.28
  5     UAS → UAC     SIP/2.0 180 Ringing     281      振铃             0.24
  6     UAS → UAC     SIP/2.0 200 OK          584      接通，带 SDP     0.23
  7     UAC → UAS     ACK                     367      **无应答**       0.20
  8     UAS → UAC     SIP/2.0 200 OK          273      挂断完成         0.60

**八条报文，4.05 毫秒跑完**，**总字节 3308**。
**注意第 3 行那个 INVITE 是 628 字节**，**比两轮注册报文都大**，**大的那部分是 SDP 正文。**

**两轮注册是规矩不是多余**：
**第一轮故意不带鉴权，服务器回 401 给 nonce**；**第二轮带上算好的 response，才回 200。**
**这个顺序不能倒过来**——**nonce 是服务器出的，客户端猜不到。**
**所以「注册失败」的第一步排查永远是**：**看第一轮 401 有没有收到。**

**第 7 行那个 ACK 没有应答**，
**因为 ACK 本身就不需要应答**——**它是「确认收到了」的意思，不是请求。**
**如果这里等了应答，程序会卡在超时**，**而错误信息只会说「收不到响应」。**

表里八行、总字节 3308，是这一次真跑的结果——每次运行字节数完全一样（因为标识都固定）， 只有端口和毫秒会变。 「字节固定、耗时变化」这个特性很有用： 它能区分「报文拼错了」和「网络慢」两种情况——字节数不对说明拼错，字节对但慢说明网络。 第 2 行那个 539 字节比第 1 行多 183 字节， 多的就是 Authorization 头—— 摘要鉴权在报文里的体积代价大约 180 字节，这个数字在评估带宽时用得上。 第 5 行那个 180 Ringing 只比 100 Trying 多 1 字节，因为它们结构一样， 只差状态码和原因短语的长度（Trying 与 Ringing 差 1 个字母）。 最后一行 273 字节是最小的 200 OK：没有 SDP、没有 Contact，就是「知道了」这么一句。

30 秒实验

把第二轮注册的 response 故意改错一个字符，看服务器回什么码。
把 INVITE 的 SDP 换成一个空正文，看 UAS 还回不回 200。
在 ACK 之前插一条别的请求，看服务器会不会算它成新事务。

常见误区

以为注册一轮就能成。 SIP 的 nonce 由服务器生成，客户端算不出，所以必须两轮。 ONVIF 那边反过来，一轮就行。
把 SIP 的鉴权和 ONVIF 的鉴权当成一回事。 一个是 MD5、一个是 SHA1； 一个服务器出 nonce、一个客户端自己生成。
以为通话期间 SIP 一直在跑。 通话期间 SIP 是静默的，断了不影响画面，只影响挂断。

自测三问（点开对答案）

1. 为什么 SIP 注册必须两轮？ —— **nonce 由服务器生成**，客户端必须先拿到它才能算摘要。这与 ONVIF 相反——那边客户端自己造 nonce，所以一轮就够。 2. SIP 与 ONVIF 的鉴权在算法上差在哪？ —— **SIP 用 RFC 2617 的 MD5、ONVIF 用 WS-Security 的 SHA1**；编码一个是十六进制、一个是 Base64。 3. ACK 丢了会怎样？ —— **服务器按 T1 翻倍重传 200 OK**（Timer G），主叫再回一次 ACK 即可。但一直丢会造成「幽灵通话」——服务器还在等 ACK。

下一节换个参照系：H.323 与 SIP 比，到底差在哪。

☐ （本节完，下一节 09.01.06 H.323协议和SIP的比较）