随着互联网的广泛普及和网络服务的多元化,获取各类信息的方式已经逐渐从文字和图片过渡到音频和视频。VoIP(Voice over IP)是一项利用互联网进行语音通信的热门业务,通过对语音信号进行编码、压缩成数据帧,然后封装为IP数据报在TCP/IP网络上进行传输。会话初始协议(SIP)是由IETF提出并主持研究的一个在IP网络上进行多媒体通信的应用层控制协议。SIP是一种客户端/服务器(C/S)结构的协议,可以建立、修改和终止多媒体会话。SIP借鉴了其他互联网标准和协议的设计思想,在风格上遵循互联网一贯坚持的简练、开放、兼容和可扩展等原则,并充分注意到互联网开放而复杂的网络环境下的安全问题。传统的基于层次的网络体系结构存在的主要问题-层间功能重叠和复杂的分层处理过程,导致了网络服务效率低下。通过对现有网络中服务类别的分析、归纳,我们提出了一种新型的非层次的网络体系结构:基于服务元的网络体系结构(SUNA)。服务元只提供服务,不接受服务,所以避免了层间交互和服务传递的开销。服务元不仅能为本节点应用提供服务,而且不同节点的服务元可以合作向某一节点或整个网络提供服务。由服务元所构建的系统中,相关节点的服务团队将服务元组织起来,大量的服务元系统组织成整个网络系统。服务元网络体系结构具有简洁、可扩展和容易实现的特点,而且易于从TCP/IP过渡而来。本文首先阐述了服务元网络体系结构的思想、原理及概念,介绍了VoIP业务两种典型的应用层控制协议:H.323与SIP。在充分研究了服务元网络体系结构的实际情况后,选择了设计和实现该实时通信系统应用层控制协议的最优方案:SIP。之后,广泛并深入地学习了SIP的相关开发和技术性文档,充分研究和理解了服务元网络体系结构的应用编程思想,配合学习了UNIX网络编程技巧。经过充分论证,本文采用了服务元网络编程中的实时数据流服务元传输实时音、视频数据。通过设计和实现基于服务元网络体系结构的应用层控制协议,最终实现了这个实时通信系统。该系统为用户提供了集文字,语音及视频一体的网络服务。在现有网络环境的测试中,该系统成功的为用户提供方便、实时和高质量的服务。