GiaoThuc.comGiao Thức
Giao thức thời gian thực và IoT

SIP và RTP trong gọi điện qua Internet: một cuộc gọi VoIP đi qua mạng như thế nào

SIP lo mời, đổ chuông, kết thúc cuộc gọi; RTP chở giọng nói từng gói 20 mili giây. Xem từng bước INVITE, mã phản hồi, phần đầu RTP và băng thông.

Call center agents with headsets working in an open office in Hai Phong, rows of desks, monitors turned away from camera and dark, agents seen from behind, cool morning light

Một cuộc gọi điện qua Internet dùng hai giao thức tách biệt: SIP lo phần báo hiệu (tìm người, đổ chuông, nhấc máy, cúp máy), còn RTP chở chính giọng nói thành từng gói nhỏ đều đặn. Hai giao thức đi trên hai đường khác nhau, có khi qua những máy chủ khác nhau, và phần mô tả nối chúng với nhau là SDP nằm trong tin nhắn SIP.

So với tổng đài điện thoại cổ điển, SIP giống cô trực tổng đài chuyển máy: hỏi gọi ai, tìm xem người đó đang ở bàn nào, báo chuông, báo bận. Khi hai bên đã nhấc máy, cô trực rút khỏi cuộc nói chuyện; giọng nói đi trên dây riêng, đó là RTP. SIP được chuẩn hoá trong RFC 3261, RTP trong RFC 3550. Phần dưới lần theo một cuộc gọi từ lúc bấm số đến lúc cúp máy, đọc các mã phản hồi hay gặp và tính băng thông của một luồng thoại.

Các thành phần trong một hệ thống SIP

Trước khi lần theo cuộc gọi, cần biết những vai trò sẽ xuất hiện. Một thiết bị vật lý có thể đóng nhiều vai.

  • User agent: điện thoại IP để bàn, ứng dụng gọi trên máy tính hay điện thoại. Khi gọi đi nó là máy khách, khi nhận cuộc gọi nó là máy chủ của giao dịch đó.
  • Registrar: nơi thiết bị đăng ký "số máy lẻ 201 hiện đang ở địa chỉ này" bằng yêu cầu REGISTER, lặp lại định kỳ trước khi hết hạn.
  • Proxy: nhận yêu cầu, tra registrar xem người được gọi đang ở đâu và chuyển tiếp. Proxy không tham gia vào luồng thoại.
  • B2BUA (back-to-back user agent): đứng giữa như hai user agent ghép lưng nhau, kết thúc cuộc gọi ở một phía và tạo cuộc gọi mới ở phía kia. Tổng đài IP doanh nghiệp thường hoạt động kiểu này để ghi âm, chuyển máy, hàng đợi.
  • SBC (session border controller): thiết bị biên giữa mạng nội bộ và nhà cung cấp, xử lý NAT, chuẩn hoá tin nhắn, chống lạm dụng.

Địa chỉ trong SIP có dạng giống email đặt sau tiền tố sip:, gồm phần người dùng và tên miền, ví dụ giả định sip:201@congty.example. SIP dùng cổng 5060 trên UDP hoặc TCP và 5061 khi chạy trên TLS. Tin nhắn SIP là văn bản, cấu trúc rất giống HTTP: dòng đầu là phương thức hoặc mã trạng thái, tiếp theo là các header, rồi đến thân tin nhắn, thường là SDP.

Lần theo một cuộc gọi từ lúc bấm số

Ví dụ giả định: máy lẻ 201 ở văn phòng Đà Nẵng gọi máy lẻ 305 ở chi nhánh Quảng Ninh, cả hai đăng ký vào cùng một proxy.

  1. Máy 201 gửi INVITE tới proxy. Thân tin nhắn là SDP mô tả: địa chỉ IP và cổng UDP mà 201 muốn nhận âm thanh, danh sách codec chấp nhận.
  2. Proxy trả ngay 100 Trying để 201 biết yêu cầu đã tới, khỏi gửi lại; đồng thời tra registrar thấy 305 đang ở địa chỉ nào và chuyển INVITE tới đó.
  3. Máy 305 đổ chuông và gửi 180 Ringing ngược về theo đường cũ; máy 201 phát âm báo chuông cho người gọi.
  4. Người dùng 305 nhấc máy. Máy 305 gửi 200 OK kèm SDP của mình: địa chỉ, cổng nhận và codec đã chọn trong danh sách 201 đề nghị.
  5. Máy 201 gửi ACK xác nhận. Ba bước INVITE, 200 OK, ACK hoàn tất việc thiết lập.
  6. Hai máy gửi gói RTP thẳng tới địa chỉ, cổng của nhau theo SDP; proxy không thấy luồng này.
  7. Một bên cúp máy, gửi BYE; bên kia trả 200 OK, luồng RTP dừng.

Nếu người gọi gác máy khi đầu kia còn đang đổ chuông, máy gửi CANCEL thay vì BYE, vì cuộc gọi chưa được thiết lập. Phân biệt hai trường hợp này giúp đọc đúng nhật ký khi khách than "gọi mà bên kia báo cuộc gọi nhỡ dù đã nghe".

Mã phản hồi SIP hay gặp khi đọc nhật ký

Mã phản hồi SIP chia thành sáu lớp theo chữ số đầu, cách đặt giống HTTP nhưng thêm lớp 6xx cho lỗi toàn cục.

MãÝ nghĩaThường gặp khi
100 TryingĐã nhận, đang xử lýMọi cuộc gọi, ngay sau INVITE
180 Ringing / 183 Session ProgressĐang đổ chuông / có âm báo sớm183 hay đi kèm âm báo hoặc lời nhắn của nhà mạng trước khi nối
200 OKThành côngNhấc máy, đăng ký thành công, BYE được chấp nhận
401 / 407Cần xác thực với máy đích / với proxyLần đầu REGISTER hoặc INVITE; máy gửi lại kèm thông tin xác thực
404 Not FoundKhông có người dùng nàyGọi sai số máy lẻ, hoặc thiết bị chưa đăng ký
408 Request TimeoutKhông có phản hồi kịp thờiThiết bị đích mất mạng nhưng đăng ký chưa hết hạn
486 Busy HereMáy đang bậnNgười được gọi đang trong cuộc gọi khác
487 Request TerminatedYêu cầu bị huỷPhản hồi cho INVITE sau khi người gọi gửi CANCEL
488 Not Acceptable HereKhông chấp nhận phiên đề nghịHai đầu không có codec chung
503 Service UnavailableMáy chủ tạm không phục vụTổng đài quá tải hoặc đường trung kế mất

Đọc 401 và 407 trong nhật ký không có nghĩa là lỗi: đó là bước thách thức – trả lời bình thường của xác thực kiểu digest. Chỉ khi thấy chúng lặp liên tục, nghĩa là thông tin xác thực sai.

RTP: giọng nói được cắt thành gói như thế nào

Giọng nói từ micro được lấy mẫu, nén bằng codec rồi cắt thành những khung đều nhau, phổ biến nhất là 20 mili giây một gói, tức 50 gói mỗi giây cho mỗi chiều. Mỗi gói được bọc trong phần đầu RTP 12 byte cố định, rồi đến phần đầu UDP 8 byte và IPv4 20 byte.

Các trường quan trọng trong phần đầu RTP: số phiên bản (luôn là 2), loại tải 7 bit cho biết codec, số thứ tự 16 bit tăng một sau mỗi gói, dấu thời gian 32 bit tính theo đồng hồ lấy mẫu của codec, và SSRC 32 bit định danh nguồn phát. Số thứ tự cho phía nhận phát hiện mất gói và sắp xếp lại gói đến sai thứ tự; dấu thời gian cho biết gói đó phải phát ra loa vào lúc nào. Hai trường này tách biệt có chủ ý: khi người nói im lặng và máy tạm ngừng gửi, số thứ tự vẫn liền nhau nhưng dấu thời gian nhảy cóc.

RTP chạy trên UDP vì một gói thoại đến muộn coi như vô dụng: truyền lại kiểu TCP chỉ làm cuộc gọi trễ thêm. Đi kèm RTP là RTCP, giao thức điều khiển gửi báo cáo định kỳ về tỉ lệ mất gói, dao động độ trễ và thời gian khứ hồi, giúp hai đầu và hệ thống giám sát đánh giá chất lượng cuộc gọi. Với mã hoá, phiên bản bảo mật là SRTP; báo hiệu SIP thì được bảo vệ bằng TLS.

Tính băng thông một luồng thoại

Ví dụ giả định với codec G.711, lấy mẫu 8 kHz, mỗi mẫu 8 bit, tức 64 kbit/s dữ liệu thoại thuần, đóng gói 20 mili giây:

Thành phầnKích thước mỗi góiCách tính
Tải thoại160 byte8.000 mẫu mỗi giây nhân 0,02 giây, mỗi mẫu 1 byte
Phần đầu RTP12 byteCố định, không có CSRC
Phần đầu UDP8 byteCố định
Phần đầu IPv420 byteKhông có tuỳ chọn
Tổng ở tầng IP200 byte160 cộng 12 cộng 8 cộng 20
Băng thông tầng IP mỗi chiều80 kbit/s200 byte nhân 8 bit nhân 50 gói mỗi giây

Phần đầu chiếm một phần năm mỗi gói. Nếu đóng gói 10 mili giây để giảm trễ, tải còn 80 byte nhưng phần đầu vẫn 40 byte, băng thông tầng IP tăng lên 96 kbit/s. Nếu dùng IPv6 thì phần đầu IP là 40 byte, cộng thêm 20 byte mỗi gói. Ở tầng Ethernet còn thêm phần đầu và đuôi khung. Codec nén mạnh hơn như G.729 giảm tải xuống 20 byte mỗi gói 20 mili giây, khi đó phần đầu còn lớn gấp đôi tải. Đây là lý do khi tính đường truyền cho tổng đài nhiều cuộc gọi đồng thời, phải tính ở tầng IP chứ không lấy tốc độ codec.

Từ tổng đài IP ra mạng điện thoại: trung kế SIP và cổng chuyển đổi

Một hệ thống VoIP nội bộ chỉ gọi được giữa các máy lẻ. Muốn gọi ra số di động hay số cố định, cuộc gọi phải đi tới mạng điện thoại công cộng, nơi vẫn dùng báo hiệu và cách truyền thoại của viễn thông. Đoạn nối đó thường là trung kế SIP: tổng đài doanh nghiệp gửi INVITE tới máy chủ của nhà cung cấp dịch vụ thoại như gửi tới một proxy, và nhà cung cấp lo phần chuyển đổi sang mạng điện thoại.

Ở điểm chuyển đổi, cổng thoại (media gateway) nhận gói RTP và phát lại thành luồng thoại của mạng viễn thông, chiều ngược lại cũng vậy. Nếu hai phía dùng codec khác nhau, cổng phải giải nén rồi nén lại, gọi là chuyển mã; mỗi lần chuyển mã tốn tài nguyên và làm chất lượng giảm một chút, nên thiết kế tốt cố gắng giữ cùng một codec suốt đường đi.

Phím bấm trong cuộc gọi, như khi tổng đài tự động yêu cầu "bấm phím 1 để gặp bộ phận kỹ thuật", cũng cần cách truyền riêng. Gửi âm thanh của phím trong luồng thoại dễ bị codec nén làm méo, nên cách phổ biến là gửi sự kiện phím bằng một loại tải RTP riêng dành cho sự kiện điện thoại, hoặc gửi qua tin nhắn SIP. Hai đầu phải thoả thuận cùng cách trong SDP; lệch nhau là nguyên nhân hay gặp của lỗi khách bấm phím mà tổng đài không nhận.

NAT, SIP ALG và bộ đệm chống rung: ba nguồn sự cố kinh điển

Một chiều nghe được, chiều kia im lặng. SDP ghi địa chỉ IP nhận âm thanh. Nếu điện thoại nằm sau NAT và ghi địa chỉ riêng của mình vào SDP, đầu kia sẽ gửi RTP tới một địa chỉ không định tuyến được. Đây là triệu chứng kinh điển nhất của VoIP qua NAT; cách xử lý thường nằm ở SBC hoặc cơ chế phát hiện địa chỉ công cộng ở tổng đài.

SIP ALG trên router. Một số router có tính năng tự sửa tin nhắn SIP đi qua để thay địa chỉ riêng bằng địa chỉ công cộng. Ý định tốt nhưng nhiều bản cài đặt sửa sai, làm hỏng đăng ký hoặc cuộc gọi rơi sau đúng một khoảng thời gian. Khi gặp lỗi đăng ký chập chờn, quản trị viên thường thử tắt tính năng này trên thiết bị của mình.

Bộ đệm chống rung. Gói đến không đều vì dao động độ trễ. Phía nhận giữ gói trong bộ đệm vài chục mili giây rồi phát đều. Bộ đệm lớn thì chống rung tốt nhưng cộng thêm trễ; bộ đệm nhỏ thì gói đến muộn bị bỏ, nghe như mất tiếng. Bộ đệm thích ứng tự co giãn theo điều kiện mạng.

Ngưỡng độ trễ. Khuyến nghị G.114 của ITU-T thường được dẫn: độ trễ một chiều từ miệng tới tai dưới khoảng 150 mili giây cho phần lớn người dùng cảm thấy tự nhiên. Vượt xa ngưỡng đó, hai người bắt đầu nói chồng lên nhau.

Câu hỏi thường gặp

SIP có chở giọng nói không?

Không. SIP chỉ làm báo hiệu: mời, đổ chuông, chấp nhận, kết thúc cuộc gọi và mô tả phiên qua SDP. Giọng nói đi bằng RTP, thường trên đường khác và có thể không đi qua cùng máy chủ với SIP.

SIP dùng cổng nào?

Mặc định SIP dùng cổng 5060 trên UDP hoặc TCP và cổng 5061 khi chạy trên TLS. Luồng RTP dùng các cổng UDP do hai đầu thoả thuận trong SDP, thường lấy trong một dải cổng cao cấu hình ở tổng đài.

Vì sao gọi VoIP chỉ nghe được một chiều?

Nguyên nhân phổ biến nhất là NAT: một thiết bị ghi địa chỉ IP riêng vào SDP nên đầu kia gửi âm thanh tới địa chỉ không tới được, hoặc tường lửa chặn cổng RTP chiều vào. Kiểm SDP trong nhật ký và cấu hình NAT của tổng đài trước.

Mã 401 trong nhật ký SIP có phải lỗi không?

Thường không. 401 và 407 là bước thách thức của xác thực digest: máy chủ yêu cầu xác thực, thiết bị gửi lại yêu cầu kèm thông tin đã băm. Chỉ đáng lo khi thấy chúng lặp liên tục, nghĩa là tài khoản hoặc mật khẩu cấu hình sai.

Một cuộc gọi G.711 tốn bao nhiêu băng thông?

Với gói 20 mili giây trên IPv4, mỗi chiều khoảng 80 kbit/s ở tầng IP, gồm 64 kbit/s thoại và phần đầu RTP, UDP, IP. Ở tầng Ethernet cao hơn một chút. Codec nén mạnh hơn tiết kiệm băng thông nhưng phần đầu chiếm tỉ lệ lớn hơn.

RTCP dùng để làm gì?

RTCP gửi báo cáo định kỳ giữa hai đầu về số gói đã gửi, tỉ lệ mất gói, dao động độ trễ và thời gian khứ hồi. Nó không chở thoại nhưng cho phép đánh giá chất lượng cuộc gọi và đồng bộ nhiều luồng, ví dụ tiếng với hình.

Cần tư vấn cụ thể cho trường hợp của bạn?

Chúng tôi sẽ liên hệ trong vòng 24 giờ.

Đăng ký tư vấn ngay

Bài viết liên quan

Bạn cần hỗ trợ thêm?

Để lại thông tin, chúng tôi sẽ liên hệ trong 24 giờ.

hoặc
Gọi ngay 0926 138 138