为什么做这个测试？ 上篇聊了纯Python SIP协议栈的实现，评论区最集中的质疑是：Python做信令，性能能跟C库比吗？

我做了一组对比测试。测试对象：

PyGBSentry：纯Python实现的SIP协议栈

PJSIP：业界广泛使用的C语言SIP协议栈

Sofia-SIP：另一款主流C语言SIP协议栈

测试环境：8核16G云服务器，Ubuntu 22.04，Docker部署。

测试项目 测试1：单条SIP消息解析

构造标准的REGISTER消息（约500字节），分别用三种协议栈解析10000次，取平均耗时。

协议栈 平均耗时 相对性能 Sofia-SIP (C) 12μs 1x PJSIP (C) 18μs 1.5x PyGBSentry (Python) 45μs 3.75x C库在单条消息解析上确实更快，这是语言层面的差距，没法完全消除。

测试2：REGISTER事务处理（含状态机流转）

模拟设备注册的完整流程：收到REGISTER → 发401挑战 → 收到带Authorization的REGISTER → 验证 → 发200 OK。

协议栈 平均耗时 相对性能 Sofia-SIP (C) 85μs 1x PJSIP (C) 110μs 1.3x PyGBSentry (Python) 180μs 2.1x 差距在缩小。因为事务处理涉及IO等待和状态机调度，C库的语言优势被稀释了。

测试3：500路设备同时在线

500路设备持续发送心跳（每60秒一次），平台同时处理。测量指标：CPU占用率、内存占用、心跳响应延迟。

指标 PJSIP (C) PyGBSentry (Python) CPU占用率 8% 15% 内存占用 120MB 280MB 心跳响应P95延迟 12ms 25ms 持续运行4小时 稳定 稳定 Python方案CPU和内存占用更高，但都在可接受范围内。心跳响应延迟25ms，对于60秒周期的心跳来说，完全够用。

测试4：并发点播200路

200路同时发起点播，测量首帧延迟和成功率。

指标 PJSIP (C) PyGBSentry (Python) 首帧平均延迟 420ms 480ms 首帧P95延迟 580ms 620ms 点播成功率 100% 100% 差距不大。因为首帧延迟主要取决于RTP端口分配、SDP协商和设备响应速度，语言层面的差距不是瓶颈。

关键发现 发现1：瓶颈不在语言，在架构

单条消息解析C库快了3倍，但在完整的事务处理中只快2倍，在并发场景下差距进一步缩小。因为信令处理的瓶颈在IO等待、状态机调度、锁竞争，不在CPU计算。

发现2：Python的内存占用是主要差距

280MB vs 120MB，差距主要在Python对象的内存开销。一个SIP消息对象，C里可能只占几百字节，Python里要占几KB。500路设备在线，每个设备维护会话状态、事务状态、定时器，内存差距就出来了。

不过280MB对于现代服务器来说不算什么。4GB内存就能跑几千路设备。

发现3：Python的架构优化空间更大

因为Python代码透明，优化起来更灵活。PyGBSentry做了四层优化：

对象池：预分配2000+对象，热路径零GC压力

线程池：SIP消息多核并行解析

预过滤Handler：分发前砍掉70%无效消息

分片DialogManager：锁竞争降低16倍

这些优化如果用C库封装来做，改起来很麻烦。Python里改一个类就行。

发现4：C库的内存管理更复杂

C库在高并发下需要手动管理内存，容易出内存泄漏。PJSIP和Sofia-SIP虽然成熟，但定制化修改的调试成本很高。Python的GC虽然有时会带来延迟，但不用操心内存释放。

什么时候该选Python，什么时候该选C 场景 推荐 原因 几百路设备，快速交付 Python 开发效率高，性能够用 深度定制信令流程 Python 代码透明，改起来快 AI集成 Python 原生生态 上万路设备，极 致性能 C 语言层面优势不可替代 嵌入式设备 C 资源受限 一个参考数据： SIPhon（Rust + Python脚本层）在商用硬件上能做到约28-30k CPS（每秒呼叫数），节点数增加通常是为了冗余而不是吞吐。Sippy（Python B2BUA）支持5000-10000并发会话，每秒150-400个呼叫建立。-40

纯Python方案在几百到几千路的规模下，性能不是问题。

项目现状 PyGBSentry已经开源，AGPL v3.0协议，GitHub和Gitee同步维护。支持GB/T 28181-2022，向下兼容2016版。设备注册、实时预览、录像回放、云台PTZ、语音对讲、平台级联，功能完整。

部署三条命令：

git clone https://gitee.com/suoten/PyGBSentry.git cd PyGBSentry/editions/open-source python tools/generateenv.py --docker && docker compose up -d

Gitee： suoten/PyGBSentry GitHub： suoten/PyGBSentry

如果你也在做性能选型，欢迎来交流。