从RTP到ORTP
老实说，自己实现rtp还是比较简单的。分为接收和发送，接收的时候直接去掉12个字节的报头，然后向下送。而发送的时候稍微麻烦点，我的实现手法如下：
初始化报头：
char rtppacket[172] = {0x80, 0x08};//PCMA 0x08 PCMU 0x00
srand((int)time(0));
unsigned short seq = 0, tmp = 0;
unsigned int timestamp = htonl(0);
unsigned int ssrc = htonl(rand());
memcpy(rtppacket+ 4, ×tamp, 4);
memcpy(rtppacket+ 8, &ssrc, 4);
发送报文（在一个循环中）：
memcpy(rtppacket+ 2, &tmp, 2);
seq++;
tmp = htons(seq);
memcpy(rtppacket+ 12, &voicedata, 160);
直接UDP send报文。
在这里面，timestamp是我全部赋值为0的，并且这个实现是只能承载G711A。但是在ZTE的网关上运行正常。实际测试的时候，使用ADSL上行的网络，从上海打到香港的VOIP电话，比在深圳用skype打过去还要清晰，效果让人振奋。（应该是网络的条件非常好，个人估计大部分路径都是走的电路交换）
效果是基本实现了，但是又来了一个疑问，既然这么简单就可以实现rtp的功能，那么怎么会需要100多页的RFC3550，又何必需要ortp那么多的代码呢？
仔细看了一下ortp的介绍，来自 linephone：
从以上介绍可以看出，ortp所标榜的是：多种RTP格式支持；发送接收的实时调度；单线程支持多路媒体流；自适应的缓冲区算法；实现了RTCP。
既然是Opensource，那么我们就来一个个的看它的实现。
首先是多种RTP格式支持。
ortp有一个RtpProfile的全局变量，该变量在ortp初始化的时候赋值，该变量中有一个PayloadType的数组，每个PayloadType对应一种媒体流，PayloadType中包含了媒体流的特性，包括名称，采样率，声音位数，静音格式，占用带宽等。这些定义都在avprofile.c中。
其中的几个参数中，采样率用的比较多，主要用来计算实时性，还有就是计算jitter。
发送接收的实时调度。
ortp中发送和接收主要是两个函数rtp_session_send_with_ts和rtp_session_recv_with_ts。以rtp_session_recv_with_ts为例：内部接收数据使用的是rtp_session_recvm_with_ts，首先，会接收所有scoket上的数据，然后将rtp包存放在一个队列之中，一系列处理之后，有一个pthread_mutex_lock的线程锁，将线程锁住。此时，由rtp_scheduler_schedule线程进行调度（该线程在协议栈初始化）时创建。rtp_scheduler_schedule会遍历所有的media session（媒体流），然后判断其中的timestamp（时间戳），如果计算的时间到达，则让rtp_session_recvm_with_ts继续处理。
时间戳的算法是以第一个打到的rtp数据包为准，然后根据其中的时间，进行推算。假如第一个包是10点整来的，然后ptime又是20ms，那么下一个包的时间就是10点又20毫秒。
media session是一个RtpSession对象，包含多种属性和方法。RtpScheduler中包含一个RtpSession的队列，用来支持多媒体流。
值得一提的是，rtp_scheduler_schedule中有一个独特的"sleep"，该sleep可以停顿10ms。并且这个时间是绝对的，如果中间因为处理或者其他原因延迟了2ms，那么这个sleep停顿的就是8ms。具体函数可以看一下posixtimer.c中的posix_timer_do实现。精确的计时使用select，精确时间的取得很多使用gettimeofday这个函数，该函数在精确计时的时候非常有用。
单线程支持多路媒体流
对外是有一个sessionset，完全模拟了select的做法，对外提供的接口，也和标准select几乎一样。主要的处理实现，还是在rtp_scheduler里面完成。模拟select的唤醒，使用了pthread_cond_wait。
自适应的缓冲区算法
主要的实现都在jitterctl.c里面，也不算很复杂，没有太仔细看。从注释中看到算法如下：
The algorithm computes two values:
slide: an average of difference between the expected and the socket-received timestamp
jitter: an average of the absolute value of the difference between socket-received timestamp and slide.
slide is used to make clock-slide detection and correction.
RTCP的实现
rtcp是不算很复杂的东西。ortp中，在RtpSession里面，即包含了rtcp的一些相关属性。需要的时候，直接取出然后组包发送就可以了。不过还要涉及到SDES，东西倒也是不少。
后记
大概读了一下ortp，一共大约14K的代码量，确实算是一款优秀的作品，作者对于线程，实时性的一些处理，都相当的深入。对于数据结构的组织，也非常不错，大部分数据，均适用了自己的封装。采用了链表的结构，声明在str_utils.h里面，这些数据结构的具体使用，就没有太仔细看了。
读完以后，再回头看看自己的项目，确实没有必要用ortp这样的“庞然大物”了：多种rtp格式？我只需要G711A；实时性？我有底层硬件保证了；多路媒体流？不需要，我只要VOIP语音；自适应的jitter？也不用，底层硬件有保证；至于RTCP，不是必须项，也可以不要。在单用途的终端上，协议栈的实现可以简化非常多。
最后感叹一下，老外的计算机水平确实比国内高出很多。我看的这份ortp的实现，设计，实现几近炉火纯青，方方面面考虑周详仔细，并且实现了Linux平台和Windows平台的通用。显示在程序结构，数据组织，操作系统，网络协议方面不凡的功力。国内程序员，写程序很多是为了混口饭，不会去精益求精，能实现功能，就已经很不错，是老板眼中的红人。国内写代码要达到ortp这样的艺术水准，还有非常长的路要走。
附：ortp版本为0.13.1，下载地址为：http://download.savannah.gnu.org/releases/linphone/ortp/sources/