1. SIP协议基础：从零开始理解这个“打电话”的协议
大家好，我是你们这堂课的老朋友。今天咱们聊聊SIP协议。
说实话，我第一次接触SIP协议的时候，脑子里全是问号。这玩意儿到底是干嘛的？跟HTTP有啥区别？为什么搞通信的都在聊它？
后来我做了几个VoIP项目，踩了不少坑，才慢慢摸清楚它的脾气。今天我就把这些经验掰开了揉碎了讲给你听。
1.1 SIP协议到底是什么？
SIP，全称Session Initiation Protocol，会话初始协议。名字挺长，但说白了——它就是用来建立、修改和终止多媒体会话的“信令”协议。
你想想看，你拿起手机打电话，从拨号到对方接听，中间发生了什么？
- 你的手机要找到对方
- 要告诉对方“我想跟你通话”
- 要协商用什么编码（比如G.711还是Opus）
- 通话结束后要挂断
这些“幕后工作”，就是SIP协议干的。它不负责传输语音数据本身（那是RTP的事），它只负责“打招呼”和“说再见”。
核心理解：SIP = 信令控制，RTP = 媒体传输。两者分工明确，别搞混了。
1.2 SIP协议在网络通信中的角色
我习惯把SIP比作“电话总机”。你想想看，一个公司里，总机接线员负责什么？
- 接听来电，找到对应分机
- 转接电话
- 记录谁在线、谁不在
SIP在网络里干的就是这些事。它处在应用层，跟HTTP、FTP是平级的。但它不依赖具体传输层——可以用UDP，也可以用TCP，甚至TLS。
嗯，这里要注意：生产环境中，我强烈建议用TLS加密。为什么？因为SIP信令里会携带IP地址、用户名等信息，明文传输等于裸奔。我曾经在一个客户的网络里抓包，发现SIP消息里连密码都是明文的……那画面太美我不敢看。
1.3 SIP协议的基本组成元素
SIP网络里有几个“角色”，你得先认识它们。我画了一张图，帮你理清关系。
来，我一个个给你讲清楚。
1.3.1 用户代理（User Agent, UA）
UA就是终端设备。你的手机、电脑上的软电话、IP话机，都是UA。它分两部分：
- UAC（User Agent Client）：发起请求的一方。比如你拨号，你的手机就是UAC。
- UAS（User Agent Server）：接收请求的一方。对方手机响铃，它就是UAS。
注意：同一个设备可以同时扮演UAC和UAS。比如你在通话中，可以发起三方会议（此时是UAC），同时也能接听另一个来电（此时是UAS）。
1.3.2 代理服务器（Proxy Server）
这是SIP网络的核心。它负责路由请求、转发消息、做认证。
我举个例子：你给张三打电话，你的UA不知道张三在哪。于是把请求发给Proxy Server。Proxy Server查一下位置数据库，发现张三在另一个分公司，就把请求转发过去。
我的经验：Proxy Server有两种模式——有状态和无状态。有状态模式会记住每个会话的状态，适合做计费、鉴权。无状态模式转发完就忘，性能更高。生产环境中，我一般用有状态模式做入口，无状态模式做内部转发。
1.3.3 注册服务器（Registrar）
Registrar负责接收UA的注册请求。UA上线时，会发一个REGISTER消息，告诉Registrar：“我在这个IP地址，这个端口，我的URI是sip:zhangsan@company.com”。
Registrar把绑定关系写入位置数据库（Location Service）。这样别人找你时，Proxy Server就能查到你的位置。
嗯，这里有个坑：注册是有过期时间的。默认3600秒。如果UA没在过期前续约，Registrar就会删除绑定记录。我曾经遇到一个客户，他们的设备时钟不准，导致注册提前过期，电话打不进来。排查了半天才发现是这个问题。
1.3.4 其他重要元素
| 元素 | 作用 | 我的备注 |
|---|---|---|
| 重定向服务器 | 告诉UA“你要找的人现在在别处”，让UA自己去联系 | 适合做负载均衡，但会增加UA的复杂度 |
| B2BUA | 背靠背用户代理，完全控制会话两端 | 我在做SBC（会话边界控制器）时经常用到 |
| Presence Server | 管理用户在线状态（在线、忙碌、离开等） | 跟SIP的SUBSCRIBE/NOTIFY机制配合使用 |
1.4 SIP协议的核心功能
SIP能做的事，说白了就三件：注册、打电话、控制通话。我一个个说。
1.4.1 注册（Registration）
注册是SIP的第一步。没有注册，别人就找不到你。
注册流程很简单：
- UA发REGISTER请求给Registrar
- Registrar返回401 Unauthorized，要求认证（摘要认证）
- UA重新发REGISTER，带上认证信息
- Registrar验证通过，返回200 OK
代码示例？好，我给你看一个典型的REGISTER请求：
REGISTER sip:registrar.company.com SIP/2.0
Via: SIP/2.0/UDP 192.168.1.100:5060;branch=z9hG4bK776asdhds
Max-Forwards: 70
From: <sip:zhangsan@company.com>;tag=1928301774
To: <sip:zhangsan@company.com>
Call-ID: a84b4c76e66710@192.168.1.100
CSeq: 1 REGISTER
Contact: <sip:zhangsan@192.168.1.100:5060>
Expires: 3600
Content-Length: 0注意看Contact字段，它告诉服务器“我在哪”。Expires字段告诉服务器“这个注册有效期多久”。
避坑指南：我曾经遇到一个案例，UA发的Contact里IP地址写的是内网IP，但实际通信需要经过NAT。结果注册成功了，但呼叫建立时媒体流不通。解决方案是在Contact里写公网IP，或者用STUN/TURN打洞。
1.4.2 呼叫建立（Call Setup）
这是SIP最核心的功能。一个典型的呼叫建立流程是这样的：
- 主叫UA发INVITE请求给Proxy Server
- Proxy Server查位置，转发给被叫UA
- 被叫UA响铃，返回180 Ringing
- 被叫接听，返回200 OK
- 主叫收到200 OK，发ACK确认
- 媒体通道建立（RTP开始传输）
你看，SIP只负责前5步。第6步是RTP的事。这就是我前面说的“分工明确”。
INVITE请求里会携带SDP（Session Description Protocol），用来协商媒体参数。比如：
INVITE sip:lisi@company.com SIP/2.0
Via: SIP/2.0/UDP 192.168.1.100:5060;branch=z9hG4bK74bf9
Max-Forwards: 70
From: <sip:zhangsan@company.com>;tag=9fxced76sl
To: <sip:lisi@company.com>
Call-ID: 3848276298220188511@192.168.1.100
CSeq: 2 INVITE
Contact: <sip:zhangsan@192.168.1.100:5060>
Content-Type: application/sdp
Content-Length: 147
v=0
o=zhangsan 2890844526 2890844526 IN IP4 192.168.1.100
s=-
c=IN IP4 192.168.1.100
t=0 0
m=audio 49170 RTP/AVP 0 8
a=rtpmap:0 PCMU/8000
a=rtpmap:8 PCMA/8000SDP里声明了：我用PCMU或PCMA编码，在192.168.1.100的49170端口收音频。对方收到后，如果支持这些编码，就选一个，然后回复自己的IP和端口。
1.4.3 呼叫控制（Call Control）
呼叫建立之后，SIP还能做很多事：
- 呼叫保持：发re-INVITE，把媒体流指向自己（或者指向一个保持音乐源）
- 呼叫转接：用REFER方法，把通话转给第三方
- 三方会议：用re-INVITE加入第三方
- 呼叫终止：任一方发BYE，对方回200 OK
我印象最深的是一个呼叫转接的坑。客户说转接后通话质量变差。我抓包一看，原来是转接后媒体流走了两个不同的路径，导致延迟增加。解决方案是在B2BUA层面做媒体中继，强制媒体流经过同一个节点。
1.5 小结
好了，这一章的内容就这些。我帮你捋一下重点：
- SIP是信令协议，负责建立、修改、终止会话
- 核心元素：UA（终端）、Proxy Server（路由）、Registrar（注册）、Location Service（位置）
- 三大功能：注册（REGISTER）、呼叫建立（INVITE/ACK）、呼叫控制（re-INVITE/BYE/REFER）
- SDP负责媒体协商，RTP负责媒体传输
下一章我们会深入SIP消息结构，包括请求行、状态行、头字段、消息体。到时候我会带你手撕SIP报文，看看里面到底藏了什么秘密。