轉自：https://rtcdeveloper.com/t/topic/16586
目錄
1、基於聲網的音視頻SDK和FreeSWITCH開發WebRTC2SIP Gateway 方案和思路
2、基於聲網的音視頻SDK和FreeSWITCH開發WebRTC2SIP Gateway報文設計
1、基於聲網的音視頻SDK和FreeSWITCH開發WebRTC2SIP Gateway 方案和思路
爲什麼做這個？
今年初接到一個項目任務，客戶要求在自己的音視頻平臺系統中集成webrtc功能(原系統是基於SIP協議開發的，已經穩定運行多年，已有一定數量的存量客戶)。在對比多家RTC產品的效果後，客戶對聲網音視頻DEMO效果後非常滿意，指定要求用聲網的SD-RTN傳輸網絡，全面改造客戶端軟件，改善音頻通話質量。據客戶實測，在某些國家和地區，同樣網絡環境下比微信的音頻通話質量要好很多，比如在東非和中國之間語音通話，延遲很小、聲音也更清晰。
目前系統已經上線運行了幾個月沒出過問題，通話質量也非常好，滿足了客戶的預期目標。公司要求總結開發階段中碰到的問題，聲網的小夥伴也說，我們公司的策略是培養ISV，把你們培養起來，做出解決方案，然後也希望能回饋一下社區，形成一個良性互動及不斷加強一下社區濃厚的學習交流氛圍。有感於這一段時間的開發工作，於是寫下這篇文章，我們會在這篇帖子中定期更新，分享開發思路、方案、遇到的問題、解決方法，希望能對大家有所幫助。我會敲代碼，不太會表達，如果大家在實現這個模塊的過程中也碰到類似的問題，想了解一些細節，歡迎聯繫回帖提問或者郵箱交流（交流郵箱地址：[email protected]），咱們儘量答覆大家，也歡迎大家來咱們的官網上看下產品的詳細介紹哈：www.webrtc2sip.com、www.fsgui.com
一路走來，幾個同事經常分析代碼到半夜。終於在測試4個月後穩定下來。其實現在回頭看，就是因爲沒有吃透聲網的API文檔，沒有好好利用社區的功能。如果你碰到的坑是跟咱們的類似，那麼花點時間仔細擼幾遍API文檔就可以搞掂了。
話不多說，先列下客戶需求：
1、全面改造Android、iOS、Windows、MacOS、Web版5個平臺的客戶端軟件，原來的客戶端分別是基於Pjsip、Linphone、Sipjs開發的；
2、要求在網絡環境差的地方，也能滿足清晰語音通話的要求（聲網的音視頻實時傳輸網提供支持）；
3、最小侵入性，儘量不改變服務器端的系統功能，實現客戶無感升級；
4、解決SIP協議常碰到的丟包、被過濾UDP、無法呼叫和呼叫聽不清等問題；
5、解決SIP服務器經常被嘗試呼叫、惡意掃描註冊等行爲，提高系統穩定性；
6、實現WebRTC協議和SIP協議的雙向互通，既要兼容SIP呼叫，又支持RTC客戶端送呼叫到SIP Server，也要支持SIP Server呼入到客戶端軟件（在聲網的音視頻實時傳輸網傳輸）。.
其實剛接到需求的時候，大家一起討論分析過：這種項目看着有不少預算，但是要做全平臺客戶端，開發任務繁重，要考慮的細節也比較多，沒準是個坑，能否達到客戶的期望要打一個問號，因此多數同事建議不做。然後在領導和客戶一起去happy一晚後，這活兒不知道怎麼就接下來了。
老闆理由很簡單，這也不做那也不做，那我們可以做什麼？如果誰都能做，客戶還會找我們嗎？那就幹吧，馬上行動，各種查資料，翻閱聲網的技術開發文檔，並諮詢聲網的技術同學，2天后拿出初步方案。
系統架構圖
解決思路有6步：
1、自己寫信令模塊，保持靈活性，簡單實現。開發TCP Server承擔信令服務器；
2、核心是開發一個SIP2WebRTC/WebRTC2SIP協議轉換網關，維護一個狀態機;
3、開發音視頻編解碼處理器，解決聲網語音和SIP語音編碼互通；
4、開發一個狀態管理模塊，SessionManger，以維護客戶端的狀態IP和端口；
5、結合聲網的音視頻SDK，集成自己的信令模塊，實現和WebRTC2SIP 模塊通訊；
6、自定義常見的SIP呼叫信令，供各平臺客戶端保持一致。
常用的SIP 信令有：1註冊、2呼叫、3接聽、4掛斷、5拒接、6取消、7Hold、8DTMF、9用戶未反映、10用戶離線、11Transfer、12會議(我會簡單介紹前面的6個)。
PS：我們暫且把這個系統命名爲 WebRTC2SIP Connector 或者SIP2WebRTC Connector吧。至於爲什麼這麼叫，我也不知道，可能叫XX Gateway的太多了，不這麼叫顯不出聲網的SD-RTN有多厲害，我是他爹，想叫什麼都可以，哈哈
理清思路後，我們需要確認幾個核心問題：
-
以哪個平臺的SDK爲基礎開發WebRTC2SIP Connector核心模塊？
-
Agora SDK是否支持多併發呼叫？
-
聲網的語音編碼格式和視頻編碼格式是什麼？採樣率多少？
- SIP客戶側有沒有什麼具體的編碼要求？客戶可接受固定一個語音編碼，我選擇PCMA
這裏特別感謝一下聲網，對我們這種小衆需求做出了快速響應，也感謝聲網技術支持同學Nemo，專門來到公司交流了幾個小時，並分享了一些技術信息，點一個大大的贊
聲網建議我們：
-
用Agora Windows SDK 或者 Linux SDK 開發協議轉換模塊；
-
2個SDK都支持多併發呼叫；
- 語音是pcm格式，視頻是yuv格式，採樣率是48khz；
到這裏心裏有數了，簡要文字描述下大概流程就是：
1、各客戶端SDK啓動時，發起TCP連接，登錄TCP Server信令服務器, WebRTC2SIP轉接模塊初始化也發起TCP連接登錄TCP Server ，由TCP Server記錄UID，IP和端口等信息。
2、呼叫的具體流程大概是這樣的：
（1）呼叫的時候，申請一個房間號，並根據自定義信令格式發起calling 報文，TCP Server收到後，轉發給轉接模塊WebRTC2SIP ；
（2）WebRTC2SIP收到後創建1個線程，解析報文，並啓動聲網的SDK，加入指定房間號；
（3）開始讀取音頻流程，同時啓動線程，封裝SIP標準報文，發起sip invite請求給電話服務器SIP Server；
（4）SIP Server收到呼叫請求就去呼叫被叫電話號碼，並返回ring振鈴信號。
（5）WebRTC2SIP收到振鈴信號，封裝自定義的振鈴信息給客戶端SDK；
（6）被叫接聽後，WebRTC2SIP，啓動Media Coder開始解析媒體流，並resample 後，寫入到聲網的房間裏面。實現語音通話。
3、從SIP呼入到聲網的SDK，大同小異，反過來就行。
這裏要注意：
1、每個終端都要自定義編號；
2、每個呼叫都要加入聲網的房間channel 實現音視頻互通；
3、因爲編碼不一樣，所以需要resample，這個很重要，不然接通了沒有聲音，雙方不匹配。
4、WebRTC2SIP模塊要多線程方式處理，以實現併發呼叫；
5、WebRTC2SIP模塊要維護一個完整的狀態機，給每個通話加唯一編號，避免出錯。
到現在我們講清楚了大概的解決方案和技術思路，看到這裏，各位客官應該明白了，其實這個做起來沒啥難度，至少現在看來是這樣的。
2、基於聲網的音視頻SDK和FreeSWITCH開發WebRTC2SIP Gateway報文設計
上一篇我們提到，常用的SIP 信令有：1註冊、2振鈴、3呼叫、4接聽、5掛斷、6取消
有了這幾個報文，電話的呼入和呼出就可以基本實現，其他拒接、DTMF等類似。
如圖所示：
約定：
- 客戶端和服務器端JSON格式交互；
必傳參數：msgtag 是消息唯一標誌，userid是誰觸發的，appid 作爲一個應用的標記。sign 簽名加密 (看情況)
- 服務器返回的報文必須包括msgtag \appid\errcode
errcode=1 說明有錯誤 errmsg就會有值 ，如果errcode=0 說明返回結果正確一般是返回的msgtag 是請求的msgtag+”_res”做爲區分
-
roomID 是房間號，對應聲網的渠道號channel ID,每個通話報文必須包括roomID 用途是什麼自己想。
-
callType 是video \ audio前者代表視頻呼叫，後者代表語音呼叫
-
direction 呼叫方向in呼入 (SIP Server 把呼叫送到聲網的SDK)out呼出（聲網的SDK把呼叫送到SIP Server）
- isSIP YES / NO代表這通呼叫是內部呼叫（聲網客戶端實現） 還是SIP呼叫（走落地）
這篇文章我只是簡單列出核心的報文DEMO格式。
信令1：註冊報文
響應報文：
信令2：呼叫報文
響應報文：
信令3：振鈴報文
響應報文：
信令4：接聽報文
響應報文：
信令5：掛斷報文
響應報文：
信令6：取消報文
響應報文：
如上圖設計的報文非常簡單，不需要過多言語說明，供大家參考吧。
後續處理
不論客戶端還是WebRTC2SIP Connector本質上都是聲網的音視頻SDK客戶端，然後集成了自定義的信令報文，所以在初始化時，需要調用一個專門的的接口(暫時叫做initSIP)，調用這個接口時傳遞type類型參數。
（1）如果是手機端或者電腦端、網頁端調用，返回TCP Server地址和端口,供他們建立TCP連接。
（2）如果是Connector轉接服務器請求，除了返回TCP Server地址和端口外，還要返回SIP Serve地址及端口和呼叫送號前綴。不然SDK發起電話呼叫時，Connector不知道電話要轉送到哪裏。這個開發一個http接口就可以實現。
APP初始化，調用initSIP接口，建立TCP連接，或者呼叫的時候在建立TCP連接；
TCP Server維持所有終端的狀態及網絡位置做Session Manager角色；
主叫輸入的號碼編輯封裝calling報文，通過tcp socket發給服務器，同時UI呈現撥號等待頁面；
被叫收到calling報文，就封裝ringing報文，通過tcp socket 發給服務器，服務器查詢Session Manager查詢主被叫的IP和端口，實現消息的路由轉發，主叫收到就顯示振鈴頁面。同時WebRTC2SIP Connector啓動Media coder線程去解析和resample讀取到的音頻流。就這樣一個個的報文交互串起來，就可以實現整個SIP呼叫邏輯。
有興趣的同學，快去試試吧。
歡迎聯繫回帖提問或者郵箱交流（交流郵箱地址：[email protected]），咱們儘量答覆大家，也歡迎大家來咱們的官網上看下產品的詳細介紹哈：www.webrtc2sip.com、www.fsgui.com