Asterisk现有版本不支持播放视频文件（支持视频通话），无法满足发送视频通知、视频IVR等场景。本系列文章，通过学习音视频的相关知识和工具，尝试实现一个通过Asterisk播放mp4视频文件的应用。

Asterisk是一个开源SIP应用服务器，支持多种方式进行扩展。本文介绍如何利用Docker搭建Asterisk的本地开发测试环境，并且提供一些利用docker简化开发过程的技巧。因为本系列文章要通过ffmpeg提供媒体处理能力，所以会涉及如何整合Asterisk和ffmpeg的内容。

项目地址：https://github.com/jasony62/tms-asterisk-dev

准备Docker环境

下载需要版本的asterisk-13.33.0源代码压缩包，官网下载地址。

建立Dockerfile文件，制作基于centos7环境的镜像。为了跳过ffmpeg的安装（从源代码安装ffmpeg真的很麻烦），以jrottenberg/ffmpeg:4.2.3-centos7为基础开始构建。

在镜像构建阶段完成asterisk的编译和安装，建立build-asterisk.sh文件将编译和安装过程从Dockerfile中独立出来。执行过程中以menuselect命令行方式指定安装选项。

安装过程中需要使用第三方库jansson和pjproject，会在编译阶段进行下载，但是因为网络问题（https://raw.githubusercontent.com能否正常访问）会下载失败，导致无法安装。为了解决这个，先把这两个包下载到本地。然后修改asterisk源代码包中的third-party目录中这个两个项目的Makefile.rules文件（用环境变量HOST_DOMAIN指定主机地址，因为是在容器中运行的，不能写成localhost或127.0.0.1），将下载文件的地址指向本地。为了实现在本地下载文件，执行npm i http-server -g安装http服务器（如果需要），在存放下载文件的目录下，执行http-server -p 80启动文件下载服务。

我们要在自定义的asterisk应用中使用ffmpeg，因此需要修改编译选项。在源代码目录中打开main/Makefile，添加需要的动态链接库。（注意：这里修改后需要重新构建镜像。）

AST_LIBS+=-lavformat -lavcodec -lavutil -lswresample -lswscale -lavfilter

做完上述准备工作就可以开始构建镜像，运行容器了。

构建镜像

docker-compose -f docker-compose.13.yml build

启动容器

docker-compose -f docker-compose.13.yml up

进入容器

docker exec -it tms-asterisk_13.33.0 bash

结束容器（启动后复制到容器中的内容会丢失，如果直接ctrl+c关闭会保留）

docker-compose -f docker-compose.13.yml down

设置Asterisk

Asterisk支持通过配置文件定制系统的行为，例如：使用extensions.conf指定拨号计划等。在docker-compose.13.yml文件中，将本地配置文件和容器中的文件建立了关联，这样修改本地文件后，在容器中重启asterisk服务就可以了。

另外，在开发测试时经常需要查看日志，因此通过docker-compose.13.yml文件，将asterisk的日志目录指向了本地，便于查看日志输出内容。

Asterisk处理媒体时需要动态提供RTP端口，因为docker在windows和mac环境中不支持设置为host模式，需要在docker-compose.13.yml文件中指定开放的端口（和配置文件rtp.conf中的设置保持一致。）。

Asterisk运行在容器中，其地址无法访问，这样会导致媒体协商中指定的地址无法访问，需要在pjsip.conf文件中将external_media_address和external_signaling_address指定为宿主机地址。

Asterisk常用命令

重启asterisk。不需要用命令asterisk -r进入asterisk后再执行core restart now，两步变一步。

asterisk -rx "core restart now"

截断日志。asterisk输出的日志非常多，为了便于查看经常需要在输出前清空之前的日志。

asterisk -rx "logger rotate"

打开pjsip的日志。

asterisk -rx "pjsip set logger on"

更新dialplan。

asterisk -rx "dialplan reload"

开发应用

在docker-compose.13.yml文件中，通过volumns指令将自定义应用文件关联到Asterisk源代码的apps目录下（/usr/src/asterisk/apps）。每次在外部修改代码后，到容器中执行make && make install，重启asterisk。

Asterisk在代码中提供了三种输出日志ast_log，ast_verb和ast_debug的方法，通过配置文件logger.conf进行设置。可以将通过配置将不同的信息（类型和等级）输出到不同文件。ast_verb支持设置level控制输出的内容，可以在启动时指定asterisk -vvv，也可以通过命令指定core set verbose。ast_debug支持设置level控制输出的内容，可以在启动时指定asterisk -ddd，也可以通过命令指定core set debug。level的设置没有限制。

播放alaw裸流文件

设置帧类型和采样编码格式

f->frametype = AST_FRAME_VOICE;
f->subclass.format = ast_format_alaw;

设置采样数据

f->samples = nb_samples;
uint8_t *data;
data = AST_FRAME_GET_BUFFER(f);
memcpy(data, output_data, nb_samples);
f->datalen = nb_samples;

帧间添加延时

duration = (int)(((float)nb_samples / (float)ALAW_SAMPLE_RATE) * 1000 * 1000);
ast_debug(2, "完成第 %d 个RTP帧发送，添加延时 %d\n", nb_rtps, duration);
usleep(duration);

对比wireshark抓包数据和alaw文件中的数据

sine-8k-10s.alaw

wireshark抓包

可以看到数据是一致的，说明我们通过asterisk正确地发送了数据。

播放mp3文件

Asterisk不支持mp3编码，我们通过ffmpeg进行转码。

音频处理流程

ffmpeg是一个媒体编处理框架，整合非常多的编解码库，并且对媒体加工过程进行了抽象，形成了一个统一的处理流程。我理解，处理流程大体上分为5个阶段：

初始化阶段。读取文件中的信息，准备好编码器，解码器，重采样器等。
解码阶段。从文件中读取编码包（AVPacket），将编码包发送解码器，从解码器中接收未压缩的原始帧（AVFrame）。
重采样阶段。每种音频编码格式的原始帧采样格式（sample_fmt）不一样，例如：mp3的采样格式为fltp，alaw的采样格式为s16（我理解，采样格式是没有压缩的采样数据的记录方式，alaw对应的是13位数据，所以没有压缩的状态就需要用s16记录）。为了进行编码转换，首先需要编码格式的转换，这个过程叫做重采样。
编码阶段。将采样数据帧（AVFrame）发送给编码器，从编码器中获得编码后的包（AVPacket），通过astersik发送rtp包。
清理阶段。释放内存。

按照上一篇文章中对mp3文件格式的解析，可以知道sine-8k-10s.mp3文件中包含141帧，第1帧是Info，所以数据帧有140帧。数据帧的帧头为ffe3 18c4，可知，每个数据帧包含576个采样，每帧72字节（8kbps/8kHz*576/8=72）。

app_tms_mp3输出的日志：

读取编码包 #1 size= 72 字节
读取编码包 #1 前8个字节 ff e3 18 c4 00 0d 20 96
读取编码包 #2 size= 72 字节
读取编码包 #2 前8个字节 ff e3 18 c4 06 0e 70 f2
读取编码包 #3 size= 72 字节
读取编码包 #3 前8个字节 ff e3 18 c4 07 0d e8 a6

从音频包 #2 中读取音频帧 #1, format = fltp , sample_rate = 8000 , channels = 1 , nb_samples = 47, pts = 1016064, best_effort_timestamp = 1016064

从音频包 #3 中读取音频帧 #2, format = fltp , sample_rate = 8000 , channels = 1 , nb_samples = 576, pts = 2032128, best_effort_timestamp = 2032128
结束播放文件 /var/lib/asterisk/media/sine-8k-10s.mp3，共读取 141 个包，共 10152 字节，共生成 140 个包，共 80000 字节，共发送RTP包 140 个，采样 80000 个，耗时 10207260

sine-8k-10s.mp3

通过对比程序输出的日志和样本文件中的数据，可以看到ffmpeg通过av_read_frame读取的包，就是mp3文件中的帧，是文件中原始的未解压数据。mp3文件中每一帧的大小虽然一样（72字节），但是包含的采样数并不相同（第1包有27个，后续的包都是576个）。通过编码后，生成80000个采样，大小是80000个字节，和预期一致。