來(lái)源：碼農(nóng)桃花源

上一篇文章《三次握手，四次揮手”你真的懂嗎？》中，我們學(xué)會(huì)了用wireshark和tcpdump來(lái)分析TCP的“三次握手，四次揮手”，非常好用。這哥倆就是傳說(shuō)中的 錘子，拿著 錘子，看什么都像 釘子！在這篇文章中，我對(duì)準(zhǔn)了 HTTP這顆釘子砸下去，咳咳。

為了對(duì)網(wǎng)絡(luò)數(shù)據(jù)包的“流轉(zhuǎn)”有更加深刻的理解，我在docker（遠(yuǎn)程）上部署一個(gè)服務(wù)，支持http方式調(diào)用。從客戶端（本地）用http方式請(qǐng)求其中的一個(gè)接口，并得到響應(yīng)數(shù)據(jù)。同時(shí)本地通過(guò)wireshark抓包，遠(yuǎn)程用tcpdump抓包，然后分析過(guò)程中的所有通信細(xì)節(jié)。悲劇是把美好的東西撕碎給人看，而我則是把復(fù)雜的東西撕碎了給人看。

文章稍長(zhǎng)，請(qǐng)?jiān)诳幢疚臅r(shí)保持耐心。我先通過(guò)工具獲取HTTP通信的數(shù)據(jù)包，再來(lái)抽絲剝繭，深入二進(jìn)制的天地里，解密HTTP所有的通信細(xì)節(jié)。分析過(guò)程中，由點(diǎn)到面，將相關(guān)知識(shí)串接起來(lái)。保證全篇讀完之后，你對(duì)HTTP的理解會(huì)上升一個(gè)臺(tái)階！

為了更好的閱讀體驗(yàn)，我手動(dòng)貼上本文的目錄：

HTTP報(bào)文截獲

背景介紹

我手頭現(xiàn)在有一個(gè)地理幾何相關(guān)的服務(wù)，它提供一組接口對(duì)外使用。其中有一個(gè)接口是 Fence2Area. 使用方傳入一個(gè)圍欄（由點(diǎn)的列表組成，點(diǎn)由<經(jīng)度，緯度>表示）、點(diǎn)的坐標(biāo)系類型（谷歌地圖用的是wgs84, 國(guó)內(nèi)騰訊、高德用的是soso, 而百度用的是另一套自己的坐標(biāo)系），接口輸出的則是圍欄的面積。

我請(qǐng)求服務(wù)的“Fence2Area”接口，輸入圍欄(fence)頂點(diǎn)(lng, lat)坐標(biāo)、坐標(biāo)系類型(coordtype)，輸出的則是多邊形的面積(area).

一次正常的請(qǐng)求示例url, 這個(gè)大家都不陌生（我用docker_ip代替真實(shí)的ip）:

請(qǐng)求發(fā)出后，服務(wù)器進(jìn)行處理，之后，客戶端收到返回的數(shù)據(jù)如下：

{
    'data': {
        'area': 48764135597.842606
    },
    'errstr': ''
}

area字段表示面積， errstr表示出錯(cuò)信息，空說(shuō)明沒(méi)有出錯(cuò)。

抓包

在真正發(fā)送請(qǐng)求之前，需要進(jìn)行抓包前的設(shè)置。在本地mac，我用wireshark; 而在遠(yuǎn)程docker上，我用tcpdump工具。

mac本地

設(shè)置wireshark包過(guò)濾器，監(jiān)控本地主機(jī)和遠(yuǎn)程docker之間的通信。

點(diǎn)擊開(kāi)始捕獲。

遠(yuǎn)程docker

該服務(wù)通過(guò)7080端口對(duì)外提供，使用如下命令捕獲網(wǎng)絡(luò)包：

tcpdump -w /tmp/testHttp.cap port 7080 -s0

請(qǐng)求 && 分析

準(zhǔn)備工作做完，我選了一個(gè)神圣的時(shí)刻，在本地通過(guò)瀏覽器訪問(wèn)如下url:

這樣本地的wireshark和遠(yuǎn)程的tcpdump都能抓取到HTTP網(wǎng)絡(luò)數(shù)據(jù)包。

關(guān)閉服務(wù)進(jìn)程

正式請(qǐng)求之前，我們先看一下幾種特殊的情形。

首先，關(guān)閉gcs服務(wù)進(jìn)程，請(qǐng)求直接返回RST報(bào)文。

如上圖，我在請(qǐng)求的時(shí)候，訪問(wèn)服務(wù)端的另一個(gè)端口 5010, 這個(gè)端口沒(méi)有服務(wù)監(jiān)聽(tīng)，和關(guān)閉gcs服務(wù)進(jìn)程是同樣的效果。可以看到，客戶端發(fā)送SYN報(bào)文，但直接被遠(yuǎn)程docker RST掉了。因?yàn)榉?wù)端操作系統(tǒng)找不到監(jiān)聽(tīng)此端口的進(jìn)程。

關(guān)閉docker

關(guān)閉docker, 由于發(fā)送的SYN報(bào)文段得不到響應(yīng)，因此會(huì)進(jìn)行重試，mac下重試的次數(shù)為10次。

先每隔1秒重試了5次，再用“指數(shù)退避”的時(shí)間間隔重試，2s, 4s, 8s, 16s, 32s. 最后結(jié)束。

重啟docker

先進(jìn)行一次正常的訪問(wèn)，隨后重啟docker。并再次在本地訪問(wèn)以上url, 瀏覽器這時(shí)還是用的上一次的端口，訪問(wèn)到服務(wù)端后，因?yàn)樗呀?jīng)重啟了，所以服務(wù)端已經(jīng)沒(méi)有這個(gè)連接的消息了。因此會(huì)返回一個(gè)RST報(bào)文。

正常請(qǐng)求

服務(wù)正常啟動(dòng)，正常發(fā)送請(qǐng)求，這次請(qǐng)求成功，那是當(dāng)然的，嘿嘿！

這是在mac上用wireshark捕獲的數(shù)據(jù)包，共7個(gè)包，前三個(gè)包為3次握手的包，第四個(gè)包為 HTTP層發(fā)送的請(qǐng)求數(shù)據(jù)，第五個(gè)包為服務(wù)端的TCP 確認(rèn)報(bào)文，第六個(gè)包為服務(wù)端在 HTTP層發(fā)送的響應(yīng)數(shù)據(jù)，第七個(gè)包為mac對(duì)第六個(gè)包的確認(rèn)報(bào)文。

重點(diǎn)來(lái)關(guān)注后面幾個(gè)包，先看第四個(gè)包，

0x0000:  4500 0295 0000 4000 3606 623b ac17 ccdc
0x0010:  0a60 5cd4 db9b 1ba8 a59a 46ce 6d03 e87d
0x0020:  8018 1015 0ee7 0000 0101 080a 2e4c b2ef
0x0030:  0f20 3acf 4745 5420 2f64 6174 613f 636d
0x0040:  643d 4665 6e63 6532 4172 6561 266d 6574
0x0050:  613d 7b25 3232 6361 6c6c 6572 2532 323a
0x0060:  2532 3274 6573 7425 3232 2c25 3232 5472
0x0070:  6163 6549 6425 3232 3a25 3232 7465 7374
0x0080:  2532 327d 2672 6571 7565 7374 3d7b 2532
0x0090:  3266 656e 6365 2532 323a 5b7b 2532 326c
0x00a0:  6e67 2532 323a 3130 2e32 2c25 3232 6c61
0x00b0:  7425 3232 3a31 302e 327d 2c25 3230 7b25
0x00c0:  3232 6c6e 6725 3232 3a31 302e 322c 2532
0x00d0:  326c 6174 2532 323a 382e 327d 2c25 3230
0x00e0:  7b25 3232 6c6e 6725 3232 3a38 2e32 2c25
0x00f0:  3232 6c61 7425 3232 3a38 2e32 7d2c 2532
0x0100:  307b 2532 326c 6e67 2532 323a 382e 322c
0x0110:  2532 326c 6174 2532 323a 3130 2e32 7d5d
0x0120:  2c25 3232 636f 6f72 6474 7970 6525 3232
0x0130:  3a32 7d20 4854 5450 2f31 2e31 0d0a 486f
0x0140:  7374 3a20 3130 2e39 362e 3932 2e32 3132
0x0150:  3a37 3038 300d 0a55 7067 7261 6465 2d49
0x0160:  6e73 6563 7572 652d 5265 7175 6573 7473
0x0170:  3a20 310d 0a41 6363 6570 743a 2074 6578
0x0180:  742f 6874 6d6c 2c61 7070 6c69 6361 7469
0x0190:  6f6e 2f78 6874 6d6c 2b78 6d6c 2c61 7070
0x01a0:  6c69 6361 7469 6f6e 2f78 6d6c 3b71 3d30
0x01b0:  2e39 2c2a 2f2a 3b71 3d30 2e38 0d0a 5573
0x01c0:  6572 2d41 6765 6e74 3a20 4d6f 7a69 6c6c
0x01d0:  612f 352e 3020 284d 6163 696e 746f 7368
0x01e0:  3b20 496e 7465 6c20 4d61 6320 4f53 2058
0x01f0:  2031 305f 3133 5f36 2920 4170 706c 6557
0x0200:  6562 4b69 742f 3630 352e 312e 3135 2028
0x0210:  4b48 544d 4c2c 206c 696b 6520 4765 636b
0x0220:  6f29 2056 6572 7369 6f6e 2f31 322e 302e
0x0230:  3220 5361 6661 7269 2f36 3035 2e31 2e31
0x0240:  350d 0a41 6363 6570 742d 4c61 6e67 7561
0x0250:  6765 3a20 7a68 2d63 6e0d 0a41 6363 6570
0x0260:  742d 456e 636f 6469 6e67 3a20 677a 6970
0x0270:  2c20 6465 666c 6174 650d 0a43 6f6e 6e65
0x0280:  6374 696f 6e3a 206b 6565 702d 616c 6976
0x0290:  650d 0a0d 0a

我們來(lái)逐字節(jié)分析。

剩余的數(shù)據(jù)部分即為T(mén)CP協(xié)議相關(guān)的。TCP也是20B固定長(zhǎng)度 可變長(zhǎng)度部分。

可變長(zhǎng)度部分，協(xié)議如下：

剩下來(lái)的就是數(shù)據(jù)部分了。我們一行一行地看。因?yàn)閔ttp是字符流，所以我們先看一下ascii字符集，執(zhí)行命令：

可以得到ascii碼，我們直接看十六進(jìn)制的結(jié)果：

把上表的最后一列連起來(lái)，就是：

GET /data?cmd=Fence2Area&meta={%22caller%22:%22test%22,%22TraceId%22:%22test%22}&request={%22fence%22:[{%22lng%22:10.2,%22lat%22:10.2},%20{%22lng%22:10.2,%22lat%22:8.2},%20{%22lng%22:8.2,%22lat%22:8.2},%20{%22lng%22:8.2,%22lat%22:10.2}],%22coordtype%22:2} HTTP/1.1 
Host: 10.96.92.212:7080 
Upgrade-Insecure-Requests: 1 
Accept: text/html,application/xhtml xml,application/xml;q=0.9,*/*;q=0.8 
User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/12.0.2 Safari/605.1.15 
Accept-Language: zh-cn 
Accept-Encoding: gzip, deflate 
Connection: keep-alive 

其中，cr nl表示回車(chē)，換行。

docker收到數(shù)據(jù)后，會(huì)回復(fù)一個(gè)ack包。第四個(gè)包的總長(zhǎng)度為661字節(jié)，去掉IP頭部20字節(jié)，TCP頭部固定部分20字節(jié)，TCP頭部可選長(zhǎng)度為12字節(jié)，共52字節(jié)，因此TCP數(shù)據(jù)部分總長(zhǎng)度為661-52=609字節(jié)。另外，序列號(hào)為2778351310.

再來(lái)看第5個(gè)包，字節(jié)流如下：

剩余的數(shù)據(jù)部分即為T(mén)CP協(xié)議相關(guān)的。TCP也是20B固定長(zhǎng)度 可變長(zhǎng)度部分。

可變長(zhǎng)度部分，協(xié)議如下：

數(shù)據(jù)部分為空，這個(gè)包僅為確認(rèn)包。

再來(lái)看第六個(gè)包，字節(jié)流如下：

0x0000:  4500 00f9 d28c 4000 4006 874a 0a60 5cd4
0x0010:  ac17 ccdc 1ba8 db9b 6d03 e87d a59a 492f
0x0020:  8018 00ec e113 0000 0101 080a 0f20 3af8
0x0030:  2e4c b2ef 4854 5450 2f31 2e31 2032 3030
0x0040:  204f 4b0d 0a41 6363 6573 732d 436f 6e74
0x0050:  726f 6c2d 416c 6c6f 772d 4f72 6967 696e
0x0060:  3a20 2a0d 0a44 6174 653a 2054 6875 2c20
0x0070:  3033 204a 616e 2032 3031 3920 3132 3a32
0x0080:  333a 3437 2047 4d54 0d0a 436f 6e74 656e
0x0090:  742d 4c65 6e67 7468 3a20 3438 0d0a 436f
0x00a0:  6e74 656e 742d 5479 7065 3a20 7465 7874
0x00b0:  2f70 6c61 696e 3b20 6368 6172 7365 743d
0x00c0:  7574 662d 380d 0a0d 0a7b 2264 6174 6122
0x00d0:  3a7b 2261 7265 6122 3a34 3837 3634 3133
0x00e0:  3535 3937 2e38 3432 3630 367d 2c22 6572
0x00f0:  7273 7472 223a 2222 7d

剩余的數(shù)據(jù)部分即為T(mén)CP協(xié)議相關(guān)的。TCP也是20B固定長(zhǎng)度 可變長(zhǎng)度部分。

可變長(zhǎng)度部分，協(xié)議如下：

剩下來(lái)的就是數(shù)據(jù)部分了。我們一行一行地看。

把上表的最后一列連起來(lái)，就是：

Content-Length: 48，最后一行的長(zhǎng)度即為48個(gè)字節(jié)。

最后，第七個(gè)包，字節(jié)流如下：

0x0000:  4500 0034 0000 4000 3606 649c ac17 ccdc
0x0010:  0a60 5cd4 db9b 1ba8 a59a 492f 6d03 e942
0x0020:  8010 100f 1eb9 0000 0101 080a 2e4c b314
0x0030:  0f20 3af8

剩余的數(shù)據(jù)部分即為T(mén)CP協(xié)議相關(guān)的。TCP也是20B固定長(zhǎng)度 可變長(zhǎng)度部分。

可變長(zhǎng)度部分，協(xié)議如下：

至此，一次完整的http請(qǐng)求的報(bào)文就解析完了。感覺(jué)如何，是不是很親切？

HTTP協(xié)議分析

上面我們把HTTP協(xié)議相關(guān)的數(shù)據(jù)給解構(gòu)了，下面我將對(duì)照上面的數(shù)據(jù)拆解結(jié)果，一步步帶你深入理解HTTP協(xié)議。

整體介紹

HTTP(Hypertext Transfer Protocol)超文本傳輸協(xié)議，是在互聯(lián)網(wǎng)上進(jìn)行通信時(shí)使用的一種協(xié)議。說(shuō)得更形象一點(diǎn)： HTTP是現(xiàn)代互聯(lián)網(wǎng)中使用的公共語(yǔ)言。它最著名的應(yīng)用是用在瀏覽器的服務(wù)器間的通信。

HTTP屬于應(yīng)用層協(xié)議，底層是靠TCP進(jìn)行可靠地信息傳輸。

HTTP在傳輸一段報(bào)文時(shí)，會(huì)以 流的形式將報(bào)文數(shù)據(jù)的內(nèi)容通過(guò) 一條打開(kāi)的TCP連接按序傳輸。TCP接到上層應(yīng)用交給它的數(shù)據(jù)流之后，會(huì)按序?qū)?shù)據(jù)流打散成一個(gè)個(gè)的分段。再交到IP層，通過(guò)網(wǎng)絡(luò)進(jìn)行傳輸。另一端的接收方則相反，它們將接收到的分段按序組裝好，交給上層HTTP協(xié)議進(jìn)行處理。

編碼

我們?cè)賮?lái)回顧一下：

原始的url值：

編碼后的url值：

/data?cmd=Fence2Area&meta={%22caller%22:%22test%22,%22TraceId%22:%22test%22}&request={%22fence%22:[{%22lng%22:10.2,%22lat%22:10.2},%20{%22lng%22:10.2,%22lat%22:8.2},%20{%22lng%22:8.2,%22lat%22:8.2},%20{%22lng%22:8.2,%22lat%22:10.2}],%22coordtype%22:2}

在之前的報(bào)文拆解過(guò)程中，我們看到多了很多 %22，其實(shí)， 0x22是單引號(hào) '的ascii值，

一方面，URL描述的資源為了能通過(guò)其他各種協(xié)議傳送，但是有些協(xié)議在傳輸過(guò)程中會(huì)剝?nèi)ヒ恍┨囟ǖ淖址涣硪环矫?，URL還是可讀的，所以那些不可打印的字符就不能在URL中使用了，比如空格；最后，URL還得是完整的，它需要支持所有語(yǔ)言的字符。

總之，基于很多原因，URL設(shè)計(jì)者將US-ASCII碼和其轉(zhuǎn)義序列集成到URL中，通過(guò)轉(zhuǎn)義序列，就可以用US-ASCII字符集的有限子集對(duì)任意字符或數(shù)據(jù)進(jìn)行編碼了。

轉(zhuǎn)義的方法：百分號(hào)( %)后跟著兩個(gè)表示ASCII碼的十六進(jìn)制數(shù)。比如：

所以上面在瀏覽器發(fā)送給服務(wù)器的URL進(jìn)行了非“安全字符”編碼，也就不奇怪了吧？

在URL中，當(dāng)上面的保留字符用在保留用途之外的場(chǎng)合時(shí)，需要對(duì)URL進(jìn)行編碼。

MIME類型

響應(yīng)數(shù)據(jù)中，我們注意到有一個(gè)首部：

互聯(lián)網(wǎng)上有數(shù)千種不同的數(shù)據(jù)類型，HTTP給每種對(duì)象都打上了MIME(Multipurpose Internet Media Extension, 多用途因特網(wǎng)郵件擴(kuò)展)標(biāo)簽，也就是響應(yīng)數(shù)據(jù)中的 Content-Type. MIME本來(lái)是用在郵件協(xié)議中的，后來(lái)被移植到了HTTP中。瀏覽器從服務(wù)器上取回了一個(gè)對(duì)象時(shí)，會(huì)去查看MIME類型，從而得知如何處理這種對(duì)象，是該展示圖片，還是調(diào)用聲卡播放聲音。MIME通過(guò)斜杠來(lái)標(biāo)識(shí)對(duì)象的主類型和其中的特定的子類型，下表展示了一些常見(jiàn)的類型，其中的實(shí)體主體是指body部分：

URI/URL/URN

URI(Uniform Resource Identifier, 統(tǒng)一資源標(biāo)識(shí)符)表示服務(wù)器資源，URL(Uniform Resource Locator, 統(tǒng)一資源定位符)和URN(Uniform Resource Name, 統(tǒng)一資源名)是URI的具體實(shí)現(xiàn)。URI是一個(gè)通用的概念，由兩個(gè)主要的子集URL和URN構(gòu)成，URL通過(guò)位置、URN通過(guò)名字來(lái)標(biāo)識(shí)資源。

URL定義了資源的位置，表示資源的實(shí)際地址，在使用URL的過(guò)程中，如果URL背后的資源發(fā)生了位置移動(dòng)，訪問(wèn)者就找不到它了。這個(gè)時(shí)候就要用到URN了，它給定資源一個(gè)名字，無(wú)論它移動(dòng)到哪里，都可以通過(guò)這個(gè)名字來(lái)訪問(wèn)到它，簡(jiǎn)直完美！

URL通常的格式是：

協(xié)議方案 服務(wù)器地址 具體的資源路徑

協(xié)議方案(scheme)，如 http, ftp，告知web客戶端怎樣訪問(wèn)資源)；服務(wù)器地址，如 www.oreilly.com; 具體的資源路徑，如 index.html.

HTTP方法

HTTP支持幾種不同的請(qǐng)求方法，每種方法對(duì)服務(wù)器要求的動(dòng)作不同，如下圖是幾種常見(jiàn)的方法：

HEAD方法只獲取頭部，不獲取數(shù)據(jù)部分。通過(guò)頭部可以獲取比如資源的類型(Content-Type)、資源的長(zhǎng)度(Content-Length)這些信息。這樣，客戶端可以獲取即將請(qǐng)求資源的一些情況，可以做到心中有數(shù)。

POST用于向服務(wù)器發(fā)送數(shù)據(jù)，常見(jiàn)的是提交表單；PUT用于向服務(wù)器上的資源存儲(chǔ)數(shù)據(jù)。

狀態(tài)碼

每條HTTP的響應(yīng)報(bào)文都會(huì)帶上一個(gè)三位數(shù)字的狀態(tài)碼和一條解釋性的“原因短語(yǔ)”，通知客戶端本次請(qǐng)求的狀態(tài)，幫助客戶端快速理解事務(wù)處理結(jié)果，最常見(jiàn)的是：

我們平時(shí)使用瀏覽器的時(shí)候，很多的錯(cuò)誤碼其實(shí)是由瀏覽器處理的，我們感知不到。但是 404NotFound會(huì)穿透重重迷霧，來(lái)到我們面前，為何？那是因?yàn)樗麑?duì)我們愛(ài)的深沉啊！

客戶端可以據(jù)此狀態(tài)碼，決定下一步的行動(dòng)（如重定向等）。

三位數(shù)字的第一位表示分類：

報(bào)文格式

HTTP報(bào)文實(shí)際上是由一行行的字符串組成的，每行字符串的末尾用 \r\n分隔，人類可以很方便的閱讀。順便說(shuō)一句，不是所有的協(xié)議都對(duì)人類這么友好的，像thrift協(xié)議，直接甩一堆字節(jié)給你，告訴你說(shuō) 0x0001表示調(diào)用方法，諸如此類的，你只能對(duì)著一個(gè)十六進(jìn)制的數(shù)據(jù)塊一個(gè)個(gè)地去“解碼”。不可能像HTTP協(xié)議這樣，直接將字符編碼，人類可以直接讀懂。

舉個(gè)簡(jiǎn)單的請(qǐng)求報(bào)文和響應(yīng)報(bào)文的格式的例子：

實(shí)際上，請(qǐng)求報(bào)文也是可以有body（主體）部分的。請(qǐng)求報(bào)文是由 請(qǐng)求行（request line）、請(qǐng)求頭部（header）、空行、請(qǐng)求數(shù)據(jù)四個(gè)部分組成。唯一要注意的一點(diǎn)就是，請(qǐng)求報(bào)文即使body部分是空的，請(qǐng)求頭部后的 回車(chē)換行符也是必須要有的。

響應(yīng)報(bào)文的格式和請(qǐng)求報(bào)文的格式類似：

請(qǐng)求報(bào)文、響應(yīng)報(bào)文的起始行和響應(yīng)頭部里的字段都是文本化、結(jié)構(gòu)化的。而請(qǐng)求body卻可以包含任意二進(jìn)制數(shù)據(jù)（如圖片、視頻、軟件等），當(dāng)然也可以包含文本。

有些首部是通用的，有些則是請(qǐng)求或者響應(yīng)報(bào)文才會(huì)有的。

順便提一下， 用telnet直連服務(wù)器的http端口，telnet命令會(huì)建立一條TCP通道，然后就可以通過(guò)這個(gè)通道直接發(fā)送HTTP請(qǐng)求數(shù)據(jù)，獲取響應(yīng)數(shù)據(jù)了。

HTTP協(xié)議進(jìn)階

代理

HTTP的代理服務(wù)器既是Web服務(wù)器，又是Web客戶端。

使用代理可以“接觸”到所有流過(guò)的HTTP流量，代理可以對(duì)其進(jìn)行監(jiān)視和修改。常見(jiàn)的就是對(duì)兒童過(guò)濾一些“成人”內(nèi)容；網(wǎng)絡(luò)工程師會(huì)利用代理服務(wù)器來(lái)提高安全性，它可以限制哪些應(yīng)用層的協(xié)議數(shù)據(jù)可以通過(guò)，過(guò)濾“病毒”等數(shù)據(jù)；代理可以存儲(chǔ)緩存的文件，直接返回給訪問(wèn)者，無(wú)需請(qǐng)求原始的服務(wù)器資源；對(duì)于訪問(wèn)慢速網(wǎng)絡(luò)上的公共內(nèi)容時(shí)，可以假扮服務(wù)器提供服務(wù)，從而提高訪問(wèn)速度；這被稱為 反向代理；可以作為內(nèi)容路由器，如對(duì)付費(fèi)用戶，則將請(qǐng)求導(dǎo)到緩存服務(wù)器，提高訪問(wèn)速度；可以將頁(yè)面的語(yǔ)言轉(zhuǎn)換到與客戶端相匹配，這稱為 內(nèi)容轉(zhuǎn)碼器; 匿名代理會(huì)主動(dòng)從HTTP報(bào)文中刪除身份相關(guān)的信息，如 User-Agent, Cookie等字段。

現(xiàn)實(shí)中，請(qǐng)求通過(guò)以下幾種方式打到代理服務(wù)器上去：

報(bào)文每經(jīng)過(guò)一個(gè)中間點(diǎn)（代理或網(wǎng)關(guān)），都需要在首部via字段的末尾插入一個(gè)可以代表本節(jié)點(diǎn)的獨(dú)特的字符串，包含實(shí)現(xiàn)的協(xié)議版本和主機(jī)地址。注意圖中的via字段。

請(qǐng)求和響應(yīng)的報(bào)文傳輸路徑通常都是一致的，只不過(guò)方向是相反的。因此，響應(yīng)報(bào)文上的via字段表示的中間節(jié)點(diǎn)的順序是剛好相反的。

緩存

當(dāng)有很多請(qǐng)求訪問(wèn)同一個(gè)頁(yè)面時(shí)，服務(wù)器會(huì)多次傳輸同一份數(shù)據(jù)，這些數(shù)據(jù)重復(fù)地在網(wǎng)絡(luò)中傳輸著，消耗著大量帶寬。如果將這些數(shù)據(jù)緩存下來(lái)，就可以提高響應(yīng)速度，節(jié)省網(wǎng)絡(luò)帶寬了。

大部分緩存只有在客戶端發(fā)起請(qǐng)求，并且副本已經(jīng)比較舊的情況下才會(huì)對(duì)副本的新鮮度進(jìn)行檢測(cè)。最常用的請(qǐng)求首部是 If-Modified-Since, 如果在xx時(shí)間(此時(shí)間即為If-Modified-Since的值)之后內(nèi)容沒(méi)有變化，服務(wù)器會(huì)回應(yīng)一個(gè) 304NotModified. 否則，服務(wù)器會(huì)正常響應(yīng)，并返回原始的文件數(shù)據(jù)，而這個(gè)過(guò)程中被稱為 再驗(yàn)證命中。

再驗(yàn)證可能出現(xiàn)命中或未命中的情況。未命中時(shí)，服務(wù)器回復(fù) 200OK，并且返回完整的數(shù)據(jù)；命中時(shí)，服務(wù)器回復(fù) 304NotModified; 還有一種情況，緩存被刪除了，那么根據(jù)響應(yīng)狀態(tài)碼，緩存服務(wù)器也會(huì)刪除自己緩存的副本。

順帶提一句，若要在項(xiàng)目中使用緩存，就一定要關(guān)注緩存命中比例。若命中比例不高，就要重新考慮設(shè)置緩存的必要性了。

緩存服務(wù)器返回響應(yīng)的時(shí)候，是基于已緩存的服務(wù)器響應(yīng)的首部，再對(duì)一些首部字段做一些微調(diào)。比如向其中插入新鮮度信息（如 Age, Expires首部等），而且通常會(huì)包含一個(gè) via首部來(lái)說(shuō)明緩存是由一個(gè)緩存代理提供的。注意，這時(shí)不要修改 Date字段，它表示原始服務(wù)器最初構(gòu)建這條響應(yīng)的日期。

HTTP通過(guò) 文檔過(guò)期機(jī)制和 服務(wù)器再驗(yàn)證機(jī)制保持已緩存數(shù)據(jù)和服務(wù)器間的數(shù)據(jù)充分一致。

文檔過(guò)期通過(guò)如下首部字段來(lái)表示緩存的有效期：

當(dāng)上面兩個(gè)字段暗示的過(guò)期時(shí)間已到，需要向服務(wù)器再次驗(yàn)證文檔的新鮮度。如果這時(shí)緩存仍和服務(wù)器上的原始文檔一致，緩存只需要更新頭部的相關(guān)字段。如上表中提到的 Expires字段等。

為了更好的節(jié)省網(wǎng)絡(luò)流量，緩存服務(wù)器可以通過(guò)相關(guān)首部向原始服務(wù)器發(fā)送一個(gè) 條件GET請(qǐng)求, 這樣只有在緩存真正過(guò)期的情況下，才會(huì)返回原始的文檔，否則只會(huì)返回相關(guān)的首部。 條件GET請(qǐng)求會(huì)用到如下的字段：

cookie

cookie是服務(wù)器“貼在”客戶端身上的標(biāo)簽，由客戶端維護(hù)的狀態(tài)片段，并且只會(huì)回送給合適的站點(diǎn)。

有兩類cookie: 會(huì)話cookie、持久cookie. 會(huì)話cookie在退出瀏覽器后就被刪除了；而持久cookie則保存在硬盤(pán)中，計(jì)算機(jī)重啟后仍然存在。

服務(wù)器在給客戶端的響應(yīng)字段首部加上 Set-cookie或 Set-cookie2, 值為 名字=值的列表，即可以包含多個(gè)字段。當(dāng)下次瀏覽器再次訪問(wèn)到相同的網(wǎng)站時(shí)，會(huì)將這些字段通過(guò) Cookie帶上。cookie中保留的內(nèi)容是服務(wù)器給此客戶端打的標(biāo)簽，方便服務(wù)進(jìn)行追蹤的識(shí)別碼。瀏覽器會(huì)將cookie以特定的格式存儲(chǔ)在特定的文件中。

瀏覽器只會(huì)向產(chǎn)生這條cookie的站點(diǎn)發(fā)生cookie. Set-cookie字段的值會(huì)包含 domain這個(gè)字段，告知瀏覽器可以把這條cookie發(fā)送給給相關(guān)的匹配的站點(diǎn)。 path字段也是相似的功能。如i瀏覽器收到如下的cookie:

Set-cookie: user='mary'; domain='stefno.com'

那么瀏覽器在訪問(wèn)任意以 stefno.com結(jié)尾的站點(diǎn)都會(huì)發(fā)送：

實(shí)體和編碼

響應(yīng)報(bào)文中的body部分傳輸?shù)臄?shù)據(jù)本質(zhì)上都是二進(jìn)制。我們從上面的報(bào)文數(shù)據(jù)也可以看出來(lái)，都是用十六進(jìn)制數(shù)來(lái)表示，關(guān)鍵是怎么解釋這塊內(nèi)容。如果 Content-Type定義是 text/plain, 那說(shuō)明body內(nèi)容就是文本，我們直接按文本編碼來(lái)解釋；如果 Content-Type定義是 image/png, 說(shuō)明body部分是一幅圖片，那我們就按圖片的格式去解釋數(shù)據(jù)。

Content-Length標(biāo)示報(bào)文主體部分的數(shù)據(jù)長(zhǎng)度大小，如果內(nèi)容是壓縮的，那它表示的就是壓縮后的大小。另外， Content-Length在長(zhǎng)連接的情況下，可以對(duì)多個(gè)報(bào)文進(jìn)行正確地分段。所以，如果沒(méi)有采用分塊編碼，響應(yīng)數(shù)據(jù)中必須帶上 Content-Length字段。分塊編碼的情形中，數(shù)據(jù)被拆分成很多小塊，每塊都有大小說(shuō)明。因此，任何帶有主體部分的報(bào)文（請(qǐng)求或是響應(yīng)）都應(yīng)帶上正確的 Content-Length首部。

HTTP的早期版本采用關(guān)閉連接的方式來(lái)劃定報(bào)文的結(jié)束。這帶來(lái)的問(wèn)題是顯而易見(jiàn)的：客戶端并不能分清是因?yàn)榉?wù)器正常結(jié)束還是中途崩潰了。這里，如果是客戶端用關(guān)閉來(lái)表示請(qǐng)求報(bào)文主體部分的結(jié)束，是不可取的，因?yàn)殛P(guān)閉之后，就無(wú)法獲取服務(wù)器的響應(yīng)了。當(dāng)然，客戶端可以采用半關(guān)閉的方式，只關(guān)閉數(shù)據(jù)發(fā)送方向，但是很多服務(wù)器是不識(shí)別的，會(huì)把半關(guān)閉當(dāng)成客戶端要成服務(wù)器斷開(kāi)來(lái)處理。

HTTP報(bào)文在傳輸?shù)倪^(guò)程中可能會(huì)遭到代理或是其他通信實(shí)體的無(wú)意修改，為了讓接收方知道這種情況，服務(wù)器會(huì)對(duì)body部分作一個(gè)md5, 并把值放到 Content-MD5這個(gè)字段中。但是，如果中間的代理即修改了報(bào)文主體，又修改了md5, 就不好檢測(cè)了。因此規(guī)定代理是不能修改 Content-MD5首部的。這樣，客戶端在收到數(shù)據(jù)后，先進(jìn)行解碼，再算出md5, 并與 Content-MD5首部進(jìn)行比較。這主要是防止代理對(duì)報(bào)文進(jìn)行了無(wú)意的改動(dòng)。

HTTP在發(fā)送內(nèi)容之前需要對(duì)其進(jìn)行編碼，它是對(duì)報(bào)文主體進(jìn)行的可逆變換。比如將報(bào)文用gzip格式進(jìn)行壓縮，減少傳輸時(shí)間。常見(jiàn)的編碼類型如下：

當(dāng)然，客戶端為了避免服務(wù)器返回自己不能解碼的數(shù)據(jù)，請(qǐng)求的時(shí)候，會(huì)在 Accept-Encoding首部里帶上自己支持的編碼方式。如果不傳輸?shù)脑?，默認(rèn)可以接受任何編碼方式。

上面提到的編碼是內(nèi)容編碼，它只是在響應(yīng)報(bào)文的主體報(bào)文將原始數(shù)據(jù)進(jìn)行編碼，改變的是內(nèi)容的格式。還有另一種編碼： 傳輸編碼。它與內(nèi)容無(wú)關(guān)，它是為了改變報(bào)文數(shù)據(jù)在網(wǎng)絡(luò)上傳輸?shù)姆绞健鬏斁幋a是在HTTP 1.1中引入的一個(gè)新特性。

通常，服務(wù)器需要先生成數(shù)據(jù)，再進(jìn)行傳輸，這時(shí)，可以計(jì)算數(shù)據(jù)的長(zhǎng)度，并將其編碼到 Content-Length中。但是，有時(shí)，內(nèi)容是動(dòng)態(tài)生成的，服務(wù)器希望在數(shù)據(jù)生成之前就開(kāi)始傳輸，這時(shí)，是沒(méi)有辦法知道數(shù)據(jù)大小的。這種情況下，就要用到 傳輸編碼來(lái)標(biāo)注數(shù)據(jù)的結(jié)束的。

HTTP協(xié)議中通過(guò)如下兩個(gè)首部來(lái)描述和控制傳輸編碼：

分塊編碼的報(bào)文形式是這樣的：

每個(gè)分塊包含一個(gè)長(zhǎng)度值（十六進(jìn)制，字節(jié)數(shù)）和該分塊的數(shù)據(jù)。 <CR><LF>用于區(qū)隔長(zhǎng)度值和數(shù)據(jù)。長(zhǎng)度值不包含分塊中的任何 <CR><LF>序列。最后一個(gè)分塊，用長(zhǎng)度值0來(lái)表示結(jié)束。注意報(bào)文首部包含一個(gè) Trailer:Content-MD5, 所以在緊跟著最后一個(gè)報(bào)文結(jié)束之后，就是一個(gè)拖掛。其他如， Content-Length, Trailer, Transfer-Encoding也可以作為拖掛。

內(nèi)容編碼和傳輸編碼是可以結(jié)合起來(lái)使用的。

國(guó)際化支持

HTTP為了支持國(guó)際化的內(nèi)容，客戶端要告知服務(wù)器自己能理解的何種語(yǔ)言，以及瀏覽器上安裝了何種字母表編碼算法。這通過(guò) Accept-Charset和 Accept-Language首部實(shí)現(xiàn)。

比如：

Accept-Language: fr, en;q=0.8
Accept-Charset: iso-8859-1, utf-8

表示：客戶端接受法語(yǔ)(fr, 優(yōu)先級(jí)默認(rèn)為1.0）、英語(yǔ)（en, 優(yōu)先級(jí)為0.8），支持iso-8859-1, utf-8兩種字符集編碼。服務(wù)器則會(huì)在 Content-Type首部里放上 charset.

本質(zhì)上，HTTP報(bào)文的body部分存放的就是一串二進(jìn)制碼，我們先把二進(jìn)制碼轉(zhuǎn)換成字符代碼（如ascii是一個(gè)字節(jié)表示一個(gè)字符，而utf-8則表示一個(gè)字符的字節(jié)數(shù)不定，每個(gè)字符1~6個(gè)字節(jié)），之后，用字符代碼去字符集中找到對(duì)應(yīng)的元素。

比較常見(jiàn)的字符集是 US-ASCII: 這個(gè)字符集是所有字符集的始祖，早在1968年就發(fā)布了標(biāo)準(zhǔn)。ASCII碼的代碼值從0到127, 只需要7個(gè)bit位就可以覆蓋代碼空間。HTTP報(bào)文的首部、URL使用的字符集就是ASCII碼?？梢栽倏聪律衔膱?bào)文分析部分的acsii碼集。

US-ASCII是把每個(gè)字符編碼成固定的7位二進(jìn)制值。 UTF-8則是無(wú)固定的編碼方案。第一個(gè)字節(jié)的高位用來(lái)表示編碼后的字符所用的字節(jié)數(shù)（如果所用的字節(jié)數(shù)是5，則第一個(gè)字節(jié)前5bit都是1，第6bit是0），所需的后續(xù)的字節(jié)都含有6位的代碼值，前兩個(gè)bit位是用 10標(biāo)識(shí)。

舉個(gè)例子，漢字“嚴(yán)”的Unicode編碼為 4E25( 100111000100101), 共有15位，落在上表中的第三行，因此“嚴(yán)”的編碼就需要三個(gè)字節(jié)。將 100111000100101填入上表中的 c位即可。因此，嚴(yán)的 UTF-8編碼是11100100 10111000 10100101，轉(zhuǎn)換成十六進(jìn)制就是E4B8A5. 比如我在谷歌搜索框里搜索“嚴(yán)”字，google發(fā)出的請(qǐng)求如下：

q=%E4%B8%A5這個(gè)就是搜索的詞了。

重定向與負(fù)載均衡

Web內(nèi)容通常分散地分布在很多地方，這可以防止“單點(diǎn)故障”，萬(wàn)一某個(gè)地方發(fā)生地震了，機(jī)房被毀了，那還有其他地方的機(jī)房可以提供服務(wù)。一般都會(huì)有所謂的“雙活”，“多活”，所謂 狡兔三窟嘛。

這樣，用戶的請(qǐng)求會(huì)根據(jù) 負(fù)載均衡的原則，被 重定向到它應(yīng)該去的地方。

HTTP重定向

服務(wù)器收到客戶端請(qǐng)求后，向客戶端返回一條帶有狀態(tài)碼 302重定向的報(bào)文，告訴他們應(yīng)該去其他的地方試試。web站點(diǎn)將重定向看成一種簡(jiǎn)單的負(fù)載均衡策略來(lái)使用， 重定向服務(wù)器找到可用的負(fù)載最小的機(jī)器，由于服務(wù)器知道客戶端的地址，理論上來(lái)說(shuō)，可以做到最優(yōu)的重定向選擇。

當(dāng)然，缺點(diǎn)也是顯而易見(jiàn)的，由于客戶端要發(fā)送兩次請(qǐng)求，因此會(huì)增加耗時(shí)。

DNS重定向

DNS將幾個(gè)IP地址關(guān)聯(lián)到一個(gè)域上，采用算法決定返回的IP地址?？梢允呛?jiǎn)單的 輪轉(zhuǎn)；也可以是更高級(jí)的算法，如返回負(fù)載最輕的服務(wù)器的IP地址，稱為 負(fù)載均衡算法；如果考慮地理位置，返回給客戶端最近位置的地址，稱為 鄰接路由算法；還有一種是繞過(guò)出現(xiàn)故障的地址，稱為 故障屏蔽算法。

DNS服務(wù)器總是會(huì)返回所有的IP地址，但是DNS客戶端一般只會(huì)使用第一個(gè)IP地址，而且會(huì)緩存下來(lái)，之后會(huì)一直用這個(gè)地址。所以，DNS輪轉(zhuǎn)通常不會(huì)平衡單個(gè)客戶端的負(fù)載。但是，由于DNS服務(wù)器對(duì)于不同的請(qǐng)求，總是會(huì)返回輪轉(zhuǎn)后的IP地址列表，因此，會(huì)把負(fù)載分散到多個(gè)客戶端。

HTTP連接

HTTP連接是HTTP報(bào)文傳輸?shù)年P(guān)鍵通道。

并行連接

對(duì)于一個(gè)頁(yè)面上同時(shí)出現(xiàn)多個(gè)對(duì)象的時(shí)候，如果瀏覽器并行地打開(kāi)多個(gè)連接，同時(shí)去獲取這些對(duì)象，多個(gè)連接的TCP握手時(shí)延可以進(jìn)行重疊，速度會(huì)快起來(lái)。

如一個(gè)包含3張圖片的頁(yè)面，瀏覽器要發(fā)送4次HTTP請(qǐng)求來(lái)獲取頁(yè)面。1個(gè)用于頂層的HTML頁(yè)面，3個(gè)用于圖片。如果采用串行方式，那么連接時(shí)延會(huì)進(jìn)行疊加。

采用并行連接之后：

但是并行連接也不絕對(duì)提升速度，如果一個(gè)頁(yè)面有數(shù)百個(gè)內(nèi)嵌對(duì)象，那要啟動(dòng)數(shù)百個(gè)連接，對(duì)服務(wù)器的性能也是非常大的挑戰(zhàn)。所以，通常瀏覽器會(huì)限制并行連接的總數(shù)據(jù)在一個(gè)較小的值，通常是4個(gè)，而且服務(wù)端可以隨意關(guān)閉客戶端超量的連接。

另一方面，如果客戶端網(wǎng)絡(luò)帶寬較小，每個(gè)連接都會(huì)去爭(zhēng)搶有限的帶寬，每個(gè)連接都會(huì)獲取較小的速度，即每個(gè)對(duì)象都會(huì)以較小的速度去加載。這樣，并行連接帶來(lái)的速度提升就會(huì)比較小，甚至沒(méi)有提升。

持久連接

HTTP keep-alive機(jī)制

我們知道HTTP請(qǐng)求是“請(qǐng)求-應(yīng)答”模式，每次請(qǐng)求-應(yīng)答都要新建一個(gè)連接，完成之后要斷開(kāi)連接。HTTP是無(wú)狀態(tài)的，連接之間沒(méi)有任何關(guān)系。

HTTP是應(yīng)用層協(xié)議，TCP是傳輸層協(xié)議。HTTP底層仍然采用TCP進(jìn)行傳輸數(shù)據(jù)。TCP為HTTP提供了一層可靠的比特傳輸通道。HTTP一般交換的數(shù)據(jù)都不大，而每次連接都要進(jìn)行TCP三次握手，很大一部分時(shí)間都消耗在這上面，有時(shí)候甚至能達(dá)到50%。如果能復(fù)用連接，就可以減少由于TCP三次握手所帶來(lái)的時(shí)延。

HTTP 1.1默認(rèn)開(kāi)啟keep-alive機(jī)制，從上面抓到的包也可以看到。這樣，數(shù)據(jù)傳輸完成之后保持TCP連接不斷開(kāi)，之后同域名下復(fù)用連接，繼續(xù)用這個(gè)通道傳輸數(shù)據(jù)。服務(wù)器在響應(yīng)一個(gè)請(qǐng)求后，可以保持這個(gè)連接keep-alive timeout的時(shí)間，在這個(gè)時(shí)間內(nèi)沒(méi)有請(qǐng)求，則關(guān)閉此連接；否則，重新開(kāi)始倒計(jì)時(shí)keep-alive timeout時(shí)間。

HTTP有keep-alive機(jī)制，目的是可以在一個(gè)TCP 連接上傳輸多個(gè)HTTP事務(wù)，以此提高通信效率。底層的TCP其實(shí)也有keep-alive機(jī)制，它是為了探測(cè)TCP連接的活躍性。TCP層的keepalive可以在任何一方設(shè)置，可以是一端設(shè)置、兩端同時(shí)設(shè)置或者兩端都沒(méi)有設(shè)置。新建socket的時(shí)候需要設(shè)置，從而使得協(xié)議棧調(diào)用相關(guān)函數(shù)tcpsetkeepalive，來(lái)激活連接的keep-alive屬性。

當(dāng)網(wǎng)絡(luò)兩端建立了TCP連接之后，閑置（雙方?jīng)]有任何數(shù)據(jù)流發(fā)送往來(lái)）時(shí)間超過(guò) tcp_keepalive_time后，服務(wù)器內(nèi)核就會(huì)嘗試向客戶端發(fā)送偵測(cè)包，來(lái)判斷TCP連接狀況(有可能客戶端崩潰、強(qiáng)制關(guān)閉了應(yīng)用、主機(jī)不可達(dá)等等)。如果沒(méi)有收到對(duì)方的回答(ack包)，則會(huì)在 tcp_keepalive_intvl后再次嘗試發(fā)送偵測(cè)包，直到收到對(duì)方的ack,如果一直沒(méi)有收到對(duì)方的ack,一共會(huì)嘗試 tcpkeepaliveprobes次，每次的間隔時(shí)間在這里分別是15s, 30s, 45s, 60s, 75s。如果嘗試 tcp_keepalive_probes次后,依然沒(méi)有收到對(duì)方的ack包，則會(huì)丟棄該TCP連接。TCP連接默認(rèn)閑置時(shí)間是2小時(shí)，一般設(shè)置為30分鐘足夠了。

管道化連接

在keep-alive的基礎(chǔ)上，我們可以做地更進(jìn)一步，在響應(yīng)到達(dá)之前，我們將多條請(qǐng)求按序放入請(qǐng)求隊(duì)列，服務(wù)端在收到請(qǐng)求后，必須按照順序?qū)?yīng)請(qǐng)求的響應(yīng)。但由于網(wǎng)絡(luò)環(huán)境非常復(fù)雜，因此即使請(qǐng)求是按順序發(fā)送的，也不一定是按順序到達(dá)服務(wù)端的。而且就算是服務(wù)端按序處理的，也不一定是按序返回給客戶端，所以最好是在響應(yīng)中附帶一些可以標(biāo)識(shí)請(qǐng)求的參數(shù)。

為了安全起見(jiàn)，管道化的連接只適合“冪等”的請(qǐng)求，一般我們認(rèn)為：GET/HEAD/PUT/DELETE/TRACE/OPTIONS等方法都是冪等的。

小結(jié)

以上，就是所有HTTP的通信細(xì)節(jié)了，足夠在日常開(kāi)發(fā) 作中使用了。更多沒(méi)有涉及的細(xì)節(jié)可以在用到的時(shí)候再去仔細(xì)研究。

文章看完了，不知道你對(duì)HTTP的理解有沒(méi)有更上一層樓？歡迎一起交流探討。

參考資料

【http長(zhǎng)連接】https://www.cnblogs.com/cswuyg/p/3653263.html 【http/tcp keep alive】https://segmentfault.com/a/1190000012894416 【http/tcp keep alive】http://www./academy/detail/23350305 【http/tcp keep alive】https:///articles/8020/on-the-keep-alive-and-tcp-keep-alive-in-the-http-protocol 【tcp keep alive】http://blog.51cto.com/zxtong/1788252 【http權(quán)威指南】https://book.douban.com/subject/10746113/ 【HTTP狀態(tài)碼】https://www.cnblogs.com/starof/p/5035119.html 【HTTP協(xié)議】https://www.cnblogs.com/ranyonsue/p/5984001.html 【HTTP狀態(tài)分類】http://www.runoob.com/http/http-status-codes.html 【url編碼】http://www./blog/2010/02/url_encoding.html