【Java网络编程】HTTP超文本传输协议

时间：2024-04-14 10:54:52

一、HTTP超文本传输协议

   HTTP全称为Hyper Text Transfer Protocol超文本传输协议，它是基于TCP传输协议构建的应用层协议，作为支撑万维网www的核心协议，为了保证其效率及处理大量事务的能力，因此在设计时，HTTP被制定成为一种无状态协议，也就是说：HTTP本身不会对发送过的请求和相应的通信状态进行持久化处理。

也正因HTTP的无状态特征，所以在有些需要保持状态的场景中，则需要引入其他技术来实现，比如需要保持“登录状态、授权状态”时，需要配合Cookie来实现记录与管理状态。

HTTP于1990年提出后，经过多年的完善和扩展，目前已经存在多个主流版本的迭代：

目前HTTP主流应用版本还是HTTP/1.1、2.0。

1.1、HTTP协议工作流程

   HTTP核心由请求与响应构成，是一种典型基于客户端和服务器模型的协议，在目前的网络中，浏览器作为HTTP协议的主要载体，一般来说，“从浏览器发出请求到服务器返回响应”，这个过程被称为一次HTTP操作，也被称为一个事务，其具体过程如下：

  • ①客户端连接WEB服务器：浏览器与服务器的HTTP/80端口建立一个套接字连接。
  • ②发送HTTP请求：根据用户的URL，通过套接字连接向服务器发送对应的请求报文。
  • ③服务器处理请求并返回响应结果：解析请求、定位资源、执行逻辑后将结果写到套接字，客户端从套接字中获取结果。
  • ④释放TCP套接字连接：默认情况下，服务器主动终止套接字连接，客户端被动关闭。

从建立连接发出请求，到服务器处理完成后，返回响应再关闭连接，既代表着一个“事务”就完成了，但客户端接受到响应后，还会存在：解析响应报文、渲染结果数据这两步操作。

接下来我们根据HTTP工作流程的先后顺序，依次拉开HTTP协议的完整序幕，如下：

  • ①、URI资源标识符及URL资源定位符详解
  • ②、HTTP报文-请求报文与响应报文
  • ③、HTTP请求方法分类
  • ④、HTTP请求状态码
  • .......

1.2、URI资源标识符及URL资源定位符

   一般网络请求的前提是：需要用户在浏览器输入或点击超链接后，得到一个目标网址才会触发，而网址的专业术语为：URL统一资源定位符，而URL又是URI的一部分。
但URI统一资源标识符这个词并没有URL那么普及，因此出现在大众视野中的次数并不多，它的作用是区分网络上不同的资源，主要涵盖了URL和URN两部分。

接下来看看URL的构成，一般来说完整的URL结构如下：

但上述结构使用较少，URL的常用结构如下：

我们依次分析看看：

  • scheme：表示使用的协议类型，例如http、https、ftp、chrome等。
  • ://：协议类型与后续描述符之间的分隔符。
  • domainName：网站域名，经DNS解析后会得到具体服务器IP。
  • /path：请求路径，代表客户端请求的资源所在位置，不同层级目录之间用/区分。
  • ?query1=value：请求参数，?后面表示请求的参数，采用K-V键值对形式。
  • &query2=value：多个请求参数，不同的参数之间用&分割。
  • #fragment：表示所定位资源的一个锚点，浏览器可根据这个锚点跳转对应的资源位置。

PS：锚点也被成为片段标识符，#部分之后的内容，即锚点不会被发送到服务器，锚点的作用仅是在浏览器解析时，跳转指定的位置显示。

对比完整的URL，常用的URL中除开用户名及密码外，还存在一点不同，即host:port主机IP+端口变为了domainName域名，那为什么又要这样做呢？

①IP不方便记忆，对于普通用户而言，一串数字远比不了“拼音缩写”，好比www.baidu.com任何人都能记住，但14.215.177.38却不行。
②服务器的IP是动态多变，当网关宕机后换机部署时，IP又不相同了，但域名却是固定的，就算服务器IP再怎么变，域名都不会更换。

用户请求的域名又是如何变成具体IP的呢？这里面就得提及另一个概念：DNS解析。

1.2.1、DNS域名解析系统

   在计算机网络中，每个主机都存在一个IP地址，但由于IP是一串数字不方便人类记忆，因此出现了一种协议名为DNS，它可以把生涩的IP地址转换为便于人类记忆的域名，例如百度的：www.baidu.com。

   DNS(Domain Name System)中文的意思是域名系统，每个互联网企业WEB网站都可以看作是它自己在网上的门户，那么每个网站的域名就类似于“门牌号”，通常情况下，为了方便正常人记忆，域名都会使用公司的名称或简称，例如www.taobao.com、www.baidu.com、www.jd.com等，因此当你要访问一个Web网站，但又不知道其确切域名时，那么你首先可以输入其公司名称试试看。

趣事：因为一个公司域名大部分情况下都是由其名称或简称构成，因此有些人会大量注册域名，然后再高价转卖给这些公司，以此牟利。比如美图秀秀的Boss蔡文胜，就以转卖域名为起点，从而跃身百亿富豪。

因特网最开始仅由几百台计算机组成，因此最初的域名与IP映射关系都是被保存在本地的Hosts.txt文件中，每台因特网中的机器都从服务器上下载Hosts文件，然后发送请求时就从本地查询IP信息，但随着接入因特网的设备越来越多，因此原有的这种方式无法满足日益增长的因特网需求。

毕竟全球的设备都在不断的接入因特网，上网时都在使用域名访问，不过世界上并不存在一台DNS服务器可以映射所有的IP，所以域名系统最终被设计成了一个：带有层次结构的分布式K-V数据库，整个DNS由很多服务器共同组成的，大体结构如下：

PS：比如www.baidu.com，实际上完整的域名为：www.baidu.com.，根域则是最后的.，系统做了兼容，不需要用户手动写出。

因特网上的域名服务系统也是按照域名的层次来划分的，每一个域名服务器都只对域名体系中的一部分进行管辖，DNS服务器主要分为三类：

  • ①根域名服务器
  • ②TLD*域名服务器
  • ③授权域名（子域）服务器

除此之外，还存在一种本地DNS服务器，但这个并不归纳在域名系统的分层结构中，不过本地DNS服务器却是DNS至关重要的一环。

DNS域名查询

DNS中主要分为递归查询、迭代查询两种方式：

  • ①全递归查询：

递归查询的意思是指：客户端只需发出一次请求，就能得到相应的解析结果。

  • ②先递归+后迭代查询：

迭代查询的意思是指：客户端需经过多次请求查询，才能得到相应的解析结果。

当然，上述过程无论是迭代还是递归查询，对于上层DNS服务器而言，全球的访问压力都足以让其瘫痪，因此DNS中还存在一个重要的概念：DNS缓存：

  • 本地DNS/非授权服务器缓存：各大运营商或大公司都有自己的DNS服务器，一般部署在距离用户较近地方，代替用户访问核心DNS系统，同时这些DNS服务器可以缓存之前的查询结果，下次出现相同的DNS解析请求时，可直接返回已缓存的IP。
  • 本地计算机DNS缓存：计算机本地缓存主要分为操作系统缓存与浏览器缓存两种：
    • 浏览器缓存一般会有时间限制，如Chrome浏览器默认是1min，一分钟内请求该域名，都会直接从本地缓存中获取IP。
    • 操作系统缓存是指本地的hosts文件，在浏览器中无法获取映射IP时，会尝试从hosts文件中获取。

注意：主机和本地域名服务器之间的查询方式是递归查询，本地域名服务器和其他域名服务器之间的查询方式是迭代查询，防止根域名服务器压力过大，也就是代表着：一般情况下DNS解析请求都采用先递归+后迭代方式。

当用户在浏览器向一个域名发出请求后，DNS解析请求具体查询过程如下：

  • ①客户端输入域名准备访问网站。
  • ②先查询「浏览器的DNS缓存」，命中直接向IP发起访问，未命中继续往下。
  • ③继续查询「OS的hosts文件」，如果仍然未命中，则向「本地域名服务器」发起「递归查询」请求。
  • ④「本地域名服务器」先查询自身缓存，未命中则向「根域名服务器」进行「迭代查询」：
    • A.「根域名服务器」返回「*域名服务器」的地址
    • B.「本地域名服务器」再根据地址向「*域名服务器」发起查询
    • C.「*域名服务器」返回负责该「域名」的「授权域名服务器」地址
    • D.「本地域名服务器」再根据地址向「授权域名服务器」发起查询
    • E.「授权域名服务器」返回「域名」的具体IP地址
  • ⑤「本地域名服务器」将IP返回给客户端并将「域名/IP映射」缓存起来。
  • ⑥「浏览器」得到IP后，向其发出具体的「用户请求」，并将「域名/IP映射」缓存。

至此URL这块的内容已经分析明白了，接着继续往下看看。

1.3、HTTP报文的组成结构

   浏览器访问服务器的过程中，解析域名得到具体IP后，会将用户的请求组装成HTTP报文，HTTP报文主要分为请求报文与应答（响应）报文两类。

1.3.1、请求报文

   用户请求服务器时，发送的报文被称为请求报文，大体结构如下：

请求报文主要由请求行、请求头、空行、请求主体四部分组成。

请求行

请求行也被称为起始行，主要包含请求方法、资源路径以及协议版本三部分，具体如下：

GET /index.html HTTP/1.1

注意：报文中每个不同的部位之间必须要用SP空格隔开，末尾需要有一个CRLF回车换行符，遵循ABNF语法规范。

请求头

不管是请求头亦或是响应头，都可以算是HTTP报文中最复杂的内容，因为其中可选字段是非常多的，一般来说头部字段遵循如下规范：

  • 每个字段名与字段值以K-V键值对形式传递。
  • 字段名不区分字母的大小写。
  • 字段名中不允许出现非法字符，如空格、/、&、^、_、@、}.....
  • 字段名与字段值之间必须以:分割。

后续《HTTP报文字段》章节再详细分析。

空行

必须存在，主要作用是用于区分请求头部和请求主体，也就是一个CRLF回车换行符，用于告知服务器剩下的报文中不再含有头信息。

请求主体

也被称为HTTP实体，在请求报文中被称为请求主体，这里主要描述用户的请求数据，可以是二进制数据，也可以是请求参数等等。

1.3.2、应答报文

   服务器响应用户请求时，返回的报文被称为应答报文，大体结构如下：


应答报文主要由状态行、响应头、空行、响应主体四部分组成。

状态行

应答报文中的状态行主要由协议版本、状态码、状态描述三部分构成，如下：

HTTP/1.1 200 OK

响应状态码也被称为HTTP状态，同样存在多种，因此放在后续分析。

响应头

和请求头类似，遵循相同的字段规范，唯一不同点在于字段类型不同。

空行

作用与请求报文中的空行类似，主要用于分割响应头和响应主体，用于通知客户端剩下的报文中没有响应头信息。

响应主体

根据用户请求中的资源路径，返回对应的资源数据，可以是HTML、XML、JSON、String、Bytes等各种数据类型。

1.3.3、HTTP报文字段

   在前面分析报文头部时，提到头部存在很多可选字段，而HTTP报文字段主要可分为五大类：

  • 请求报文字段：支持HTTP请求的报文字段，用于请求头中。
  • 应答报文字段：支持HTTP响应的报文字段，用于响应头中。
  • 实体首部字段：描述HTTP实体内容的报文字段，可应用在请求主体与响应主体中。
  • 通用报文字段：同时支持HTTP请求与响应的字段，即可用于请求头，也可用于响应头。
  • 其他报文字段：并非在HTTP协议中定义的报文字段，但实际过程中经常使用的字段。
请求报文字段

客户端请求目标服务器时，可在请求报文头部中添加的字段：

  • Accept：代表客户端支持的数据类型，可选项如下：
    • 文本类型：
      • text/html：希望服务器返回HTML类型的数据。
      • text/plain：希望服务器返回普通文本类型的数据。
      • text/css：希望服务器返回CSS类型的数据。
      • application/xml：希望服务器返回XML类型的数据。
      • application/json：希望服务器返回JSON类型的数据。
    • 图片类型：
      • iamge/jpeg：表示希望返回.jpg格式的图片。
      • image/gif：表示希望返回.gif格式的图片。
      • image/png：表示希望返回.png格式的图片。
      • image/webp：表示希望返回.webp格式的图片。
    • 视频类型：
      • video/mpeg：希望服务器返回视频数据。
      • video/quicktime：希望服务器返回MAC电脑的视频类型数据。
    • 字节类型：
      • application/octet-stream：希望返回字节流数据。
      • application/zip：希望返回ZIP压缩字节数据。
    • */*：表示接受所有类型的数据返回。
    • Accept字段可设置多个值，服务器会依次进行匹配，会返回最先匹配到的数据类型。
    • 也可以通过参数q来设置权重，权重越高，优先级越高，取值范围0.000~1，默认为1。
    • 例如text/html,application/xml;q=0.9,*/*，优先匹配HTML数据，当服务器先匹配到XML数据时，因HTML权重高一些，因此会依然继续匹配HTML数据。
  • Accept-Charset：表示客户端支持的字符集，如GB2312,ISO-8859-1,UTF-8等。
  • Accept-Encoding：表示客户端支持的内容编码格式，常用格式如下：
    • gzip：由gzip压缩算法生成的压缩数据编码格式。
    • compress：由compress压缩算法生成的压缩数据编码格式。
    • deflate：由zlib+deflate压缩算法生成的压缩数据编码格式。
    • identity：默认的编码格式，表示不压缩数据。
  • Accept-Language：表示客户端支持的语言语种，如zh-cn,en,zh等。
  • Authorization：表示客户端的认证信息。
  • Host：表示客户端访问的目标资源所在的主机，即域名，如www.baidu.com。
  • Referer：资源引用链，也称为防盗链，表示获取资源的请求来自哪个页面。
  • If-Match：实体标记，该值与请求的目标资源ETag值一致时，服务器才受理该请求。
  • If-Modified-Since：效验客户端本地资源的时效性，如果本地的缓存资源没有超时则不处理请求。
  • If-None-Match：和If-Match作用相反，该值与ETag值不一致时才处理请求。
  • If-Range：If-Match的升级版，访问的资源ETag值或时间一致时，服务器处理此请求。
  • If-Unmodified-Since：If-None-Match的升级版，与If-Range作用相反。
  • Max-Forwards：最大传输逐跳数，也就是请求允许被转发的最大次数，转发一次就-1。
  • Proxy-Authorization：客户端提供给代理服务器的认证信息。
  • Range：表示获取部分资源，如Range:bytes=50-800，代表获取第50~800字节之间的数据。
  • User-Agent：客户端程序的信息，一般情况为当前浏览器的简略信息。
  • TE：传输编码的优先级。
  • ..........
应答报文字段

客户端请求服务器后，服务器响应客户端时，应答报文中可出现的字段：

  • Accept-Ranges：表示服务器是否接受按字节范围获取数据的请求。
  • Age：表示服务器创建响应资源的时间。
  • ETag：实体的标识，资源的匹配信息。
  • Location：告诉客户端资源的重定向位置/（URL）路径。
  • Proxy-Authenticate：将代理服务器需要的认证信息返回给客户端。
  • Retry-After：请求失败后，告诉客户端多久后重试。
  • Server：告知客户端目前服务端的HTTP服务器信息，一般为Nginx。
  • WWW-Authenticate：客户端请求资源失败时，告知其目标资源所需的认证方案，如Basic、Digest，一般配合401使用。
  • status：客户端请求后的响应状态。
  • Vary：代理服务器的缓存管理信息。
实体首部字段

实体也就是指请求的目标资源，任何一个数据在HTTP协议中都可被称为HTTP实体：

  • Allow：告知客户端所请求的资源支持的HTTP方法，如请求方法错误会以405状态返回。
  • Content-Encoding：告知客户端资源（实体）数据所采用的编码方式。
  • Content-Language：告知客户端资源所采用的自然语言，即zh-ch、en-US等。
  • Content-Length：告知客户端资源的大小（字节长度）。
  • Content-MD5：告知客户端资源的报文摘要。
  • Content-Location：告知客户端资源所在的位置。
  • Content-Range：告知客户端资源接受按字节区域获取的范围。
  • Content-Type：告知客户端资源的数据类型。
  • Expires：告知客户端资源的过期时间。
  • Last-Modified：告知客户端资源最后一次的修改时间。
通用报文字段

通用报文字段是指可用于请求报文、应答报文、实体首部等多处位置的共享字段：

  • Cache-Control：控制浏览器缓存的行为，常用选项如下：
    • max-age=N：请求到资源后将其缓存在本地，有效期为N秒。
    • no-cache：协商式缓存，请求到资源后缓存到本地，后续每次请求资源时先与服务器确认是否更新过，更新则重新请求，否则从缓存中读取资源。
    • no-store：禁用浏览器本地缓存，每次从服务器上获取资源。
    • max-age=N,must-revalidate：请求到资源后将其缓存，有效期为N秒，到期后再与服务器协商确认资源是否更新，未更新则延长有效期，否则重新获取。
  • Connection：是否开启长连接，设为Keep-Alive代表开启长连接。
  • Date：HTTP报文的创建时间，使用格林威治标准格式。
  • Pragma：1.1版本之前的历史遗留字段，为了兼容而设计的。
  • Transfer-Encoding：指定了报文主体传输时的编码格式，如Transfer-Encoding: chunked。
  • Upgrade：用于检测协议版本，是否有其他更高的版本可用。
  • Via：追踪客户端和服务端之间的报文的传输路径，一般在使用代理服务器时必须要用的字段。
  • Warning：告知客户端一些与缓存相关的警告信息。
其他报文字段

其他报文字段是指并非在HTTP协议中定义的字段，但依旧使用频率较为频繁的字段：

  • Cookie：由于HTTP是一种无状态协议，因此通常使用Cookie也实现一些需要保持状态的功能，如身份Token、登录信息等，一般用于请求报文中。
  • Set-Cookie：一般用于应答报文中，实现服务器给客户端传递Cookie信息，常用属性如下：
    • Key=Value：往客户端的Cookie中写入值。
    • expires=N：设置客户端Cookie的有效期。
    • domin：指定Cookie生效的域名，只有请求该域名时才会携带Cookie。
    • path：指定Cookie生效的具体资源路径，只有访问该路径时才会携带。
    • Secure：设置该属性后，只有安全连接（HTTPS）情况下才会保存Cookie。
    • SameSite：在跨域时是否携带Cookie：
      • Strict：跨域时严禁携带本站Cookie。
      • Lax：默认值，通过GET方式访问之后可允许携带。
      • None：在设置了Secure属性情况下，所有请求都允许携带。
    • HttpOnly：使Cookie不能被JS脚本访问。
  • Content-Disposition：主要用于文件上传与下载时指定操作和名称：
    • 上传时：
      • form-data：以表单形式提交multipart数据。
    • 下载时：
      • inline：将文件内容直接在网页上显示。
      • attachment：下载文件时弹出对话框让用户确认下载。
    • filename：下载/上传时指定文件的名称。

OK~，大致清楚HTTP重的报文字段后，接着再来看看HTTP状态码。

1.3.4、HTTP状态码

   在咱们做程序开发时，通过URL访问某个网站，通常都会在开发者调试工具重看到各式各样的“数字”，例如常见的200、403、404、500等，这些数字在HTTP协议中专业称呼为：HTTP状态码。
RFC中规定了状态码必须要为三位数，其中第一个数代表了响应状态的类别，HTTP中所有的状态码共被分为五大类别：

  • 1xx/(Informational)：信息性状态码，代表请求被成功接受，正在处理请求。
  • 2xx/(Success)：成功状态码，客户端的请求被成功处理并返回。
  • 3xx/(Redirection)：重定向状态码，请求的资源位置发生变动，需重新请求。
  • 4xx/(ClientError)：客户端错误状态码，客户端请求出现错误导致请求失败。
  • 5xx/(ServerError)：服务端错误状态码，请求的服务端内部错误导致请求无法处理。

牢记如上规则后，之后再看见状态码时，不管见没见过，都可以根据其首位数字推断出一个请求的大体状态，例如：

  • 200：以2开头，代表请求成功，服务端正常接受并处理了该请求。
  • 301：以3开头，代表请求的资源位置发生变动，请求会被重定向，重新请求新位置。
  • 404：以4开头，代表客户端出现错误，请求的路径不正确导致服务端无法定位资源。
  • 500：以5开头，代表服务端出现错误，服务端在处理请求的目标资源时，执行过程出现错误。
  • .......

1.4、HTTP请求方法分类

   同时，HTTP协议中发送请求的方法存在多种，HTTP/1.0中提供了三个请求方法，HTTP/1.1中新增六个请求方法：

  • GET：一般用于获取资源数据，如获取用户信息、商品信息、首页数据等。
  • POST：一般用于传输/提交资源数据，如提交表单数据、提交字节数据等。
  • HEAD：向服务器发送类似于GET方式的请求，但只要求返回头信息，不返回主体数据。
  • PUT：一般用于修改数据，向指定路径上的资源提交最新数据并将其全量替换。
  • PATCH：和PUT方法类似，PUT是全量更新，PATCH可以只修改部分数据。
  • DELETE：一般用于删除资源/数据，如移除服务器上某文件资源等。
  • OPTIONS：列出请求的目标资源所支持的请求方法，用来跨域请求。
  • TRACE：追踪客户端请求/服务端响应路径，用于测试或诊断出错。
  • CONNECT：在与代理服务器通信时建立连接隧道，使用隧道进行TCP通信。

其中最常用的是GET/POST两种方式，其他的方法相对比而言，正常业务用的频率并不高。

面试题：HTTP中Get和Post方法的区别
  • ①HTTP中功能的定义不同，GET用来获取数据，POST用于提交数据。
  • ②传输数据的方式不同，GET直接在URL拼接参数显式传输，POST则是隐式传输。
  • ③允许传输数据时的长度不同，GET通常情况下受到浏览器和服务器的限制，因此可传输的参数有限，而POST则没有限制。
  • ④GET总体而言，执行的效率远高于POST方式，GET也是form表单的默认方法。
  • ⑤支持的数据传输格式不同，GET仅支持ASCII字符，而POST支持整个ISO10646字符集。
  • ⑥安全性不同，GET由于是显式传输，数据被放在URL中，因此安全性远低于POST方式。
  • ⑦浏览器缓存方面支持性不同，GET请求的资源默认会被浏览器缓存，下次请求相同资源会直接从本地中读取，而POST请求的资源默认情况下不会缓存。
  • ⑧一次请求产生的数据包数量不同，GET只会发出一个TCP包，POST会将头信息和主体信息分成两个包发送。
  • ⑨当浏览器回退或前进时，GET方式获取的资源可直接使用，而POST则会重新请求服务器获取资源（因为GET可以从本地缓存中读取资源）。

1.5、HTTP中的其他常用核心知识

   在HTTP协议中，还存在一些其他常用技术，如长连接、隧道技术、代理技术、缓存技术等，接下来再来看看这些核心内容。

1.5.1、持久连接/长连接

   前面曾谈到过：HTTP是基于“请求/响应”模型所构建的协议，每次请求时，客户端和服务端之间都要新建立一个连接，服务端响应完成后又会立马断开连接。这种方式带来的缺点很明显，频繁的创建/销毁TCP连接造成的开销较大，资源浪费较多。
在HTTP中为了解决频繁创建/销毁TCP连接造成的开销，从而设计了一种Keep-Alive（长连接/持久连接）模式，开启这种模式的情况下，可以复用已建立的TCP连接，普通模式与长连接模式对比如下：

长连接模式下，当一个客户端的请求与服务端建立连接后，这个连接并不会在服务端响应结果后立马关闭，而是会持续有效，后续新的请求获取服务器资源时，可以通过这个TCP连接发送多个请求与接收多个响应。

HTTP/1.0中默认关闭，需要手动在请求头中添加Connection: Keep-Alive才可开启，HTTP/1.1默认开启，可以手动添加Connection: close关闭。

对于长连接模式，听起来确实很美好的样子，这点无可厚非，但这种模式对于服务器而言，会造成很大的并发压力，同时还存在一个经典问题：队头阻塞。

1.5.2、HTTP队头阻塞

   因为HTTP协议事务处理机制中，要求对于请求的处理必须为“一求一应/一发一收”，所以HTTP本质上会将请求串行化，所有的请求会被放入到一个队列中依次交由服务器处理，那么假设前面的请求任务执行时间过长，最终就会导致后面的所有请求全部被阻塞，因此这个问题就被称为队头阻塞。

解决队头阻塞问题的方案有两种：并发连接与域名分片。

  • 并发连接：

一个连接中的请求会被串行化后依次递交给服务器处理，那么假设我们客户端同时建立多个连接，是不是就会有多个串行化的通道呢？也就是多个队列，这答案是必然的，因此在客户端建立多个连接，可以增加队列数量，一个队列中的请求阻塞，并不会影响其他队列中的请求。

不过在RFC2616中规定了一个客户端的并发连接不允许超过2个，但实际的浏览器设计中并不遵循该标准，如Chrome内核中默认允许一个域名下的并发连接值是6个，Firefox则是8个。

但就算是增加到了6个，万一其中4个连接中，都出现了执行时间过长的请求导致阻塞怎么办呢？哪此时可以多上几个域名，既采用域名分片方案。

  • 域名分片：

前面提及过，一个域名可以支持多个并发连接，但如果开到了客户端的上限后，依旧无法满足需求会出现一定程度上的请求阻塞，此时我们可以多上几个域名，也就是可以多准备几个域名，然后域名配置的IP映射都指向同一台服务器，这样就可以支持更多的连接了，例如www.baidu.com：

经过这个分析之后，你应该也大致清楚了为什么你做的网站访问速度慢的主要原因之一，因为你的请求出现了队头阻塞，服务器串行处理的速度过长，导致了你网页加载速度过慢。

1.5.3、HTTP代理技术

   一般情况下，客户端和服务端之间的通信都是采用直连模式，即客户端解析域名后直接根据IP请求后端服务器，然后服务器处理客户端请求。但这种模式下，假设后端节点出现故障宕机，那么整个系统则会陷入瘫痪。同时这种模式，也无法解决部署后端节点的服务器性能瓶颈问题，因此为了确保系统更高的可用性和稳定拓展性，此时则可以加入 HTTP代理。
HTTP代理大家听的次数应该也不算少，代理的主要含义是指：在客户端与服务端之间假设一个节点，从而能够满足开发过程中的更多需求，如动静分离、负载均衡、服务高可用、网站安全等，大体示意图如下：

代理服务器目前市面上也存在多种选择，如Varnish、Squid、Nginx等，这些代理服务器的工作模式又可被分为正向代理和反向代理。

正向代理

   正向代理与反向代理，这也是面试过程中常遇的一个面试题，先来谈谈何谓正向代理。
正向代理是指客户端可以感知到“代理角色”的存在，客户端发送请求时需要指定目标服务端，然后代理服务器会将客户端的请求发送到目标服务器处理，服务端处理完成后，代理服务器会接收响应结果并将其返回给客户端。

这样理解起来可能会存在些许抽象，那么例举生活中的例子：“竹子喊熊猫去楼下小卖部买包烟”，这个例子中“竹子”是客户端，“熊猫”是代理服务器，“小卖部”是服务端。
“竹子”显然知道有“代理人”的存在，并且明确指定了目标，但“小卖部”却无法知道具体要买烟的人是谁，这就可以理解为“正向代理”。

反向代理

   反向代理的含义是指：代理服务器的存在对于客户端而言，是无法感知的。简单来说，就是指用户在访问代理服务器就跟直接访问服务器一样。
当用客户端根据域名解析IP访问时，其实解析得到的是反向代理服务器所在的机器IP，当客户端请求发送到反向代理服务器时，代理服务器会将请求分发到具体的“服务端机器”上处理，服务端处理完成后会将数据返回给反向代理服务器，然后由代理服务器将结果响应给客户端。

在这种“反向代理”的过程中，客户端对于“代理服务器”是无感知的，并且具体处理请求的服务器对于用户而言也是“黑箱”的。当然，为了便于理解，咱们再举个例子讲解：
竹子创业做xx业务，需要一批货，竹子找到当地供应商熊猫，熊猫收到竹子的拿货需求后，转手交给了X工厂，工厂完成货物生产后，交给“供应商熊猫”，再由熊猫交给“创业者竹子”。

   上述案例里，竹子依旧是“客户端”，而熊猫依旧是“代理人”，工厂则是“服务端”，但这个过程中，“创业者竹子”是无法感知出“供应商熊猫”是代理人的角色，同时负责真正货物提供的“服务商工厂”对于竹子而言也是不可见的，这个案例就是一个典型的“反向代理”。

代理服务器这方面的内容会在下一篇中详细阐述。

1.5.4、HTTP隧道代理

   前面分析的正向代理也好，反向代理也罢，其实都属于普通代理，在此之外还存在一种叫做隧道代理 的概念。

为什么需要隧道代理的存在呢？因为之前的普通代理模式中，代理服务器是“中间人”的角色，此时假设需要传输HTTPS流量，因为HTTPS需要认证，但代理显然不可能有网站的私钥证书，最终就会导致客户端和代理之间的TLS无法建立，证书校验无法通过。

HTTP tunnel以及CONNECT机制就主要解决了这个问题，代理服务器不再作为中间人，不再改写浏览器的请求，通过CONNECT方法让客户端与任意目标服务器的IP和端口建立一条TCP连接，创建成功后，隧道代理在其中只负责将浏览器和服务器之间通信的数据原样透传，这样客户端就可以直接和远端服务器进行TLS握手并传输加密的数据。

1.6、HTTP各版本中的缺陷与改进

  • HTTP/0.9：仅支持GET方式的纯文本请求。
  • HTTP/1.0：
    • 特点：无状态、无连接，支持多类请求方式，任意数据都可以传输。
    • 缺点：每次请求时无法复用连接，需重新建立连接。
  • HTTP/1.1：
    • 改进：
      • 支持长连接（Connection: keep-alive）。
      • 支持管道化请求。
      • 支持缓存管理，分为强缓存和协商缓存两种。
      • 支持断点续传。
      • 支持一个WEB服务器创建多个站点（Host）。
      • 增加多个请求方法。
    • 不足：
      • 传输性能有限，请求会发生阻塞（队头阻塞）。
  • HTTP/2.0：
    • 改进：
      • 引入新的二进制协议，应用层与传输层之间数据支持二进制分帧。
      • 引入多路复用机制，提高连接可用性。
      • 优化请求头，使用HPACK头部压缩算法避免传输重复头。
      • 支持服务器主动向客户端推送资源。
    • 不足：
      • 因基于TCP协议构建，出现丢包时，整个会话需等待重传，后面数据会被阻塞。
  • HTTP/3.0：
    • 改进：
      • 抛弃TCP协议，转至基于UDP协议构建的QUIC协议（又称HTTP/3.0）。
      • 新增0-RTT机制：缓存当前回话上下文，下次恢复会话将缓存传给服务器验证后，即可传输数据。
      • 优化多路复用机制：会话的多个流间不存在依赖，丢包只需重发包，无需重传整个连接。
      • 针对移动端应用优化：由于之前基于TCP协议，因此对于移动端的IP多变而言，非常影响传输，3.0通过ID识别连接，ID不变，即可快速连接。
      • 更好的安全性：3.0中几乎所有报文都要经过认证，主体经过加密，有效防窃听、注入和篡改。
      • 提供向前纠错机制：每个数据包中携带部分其他数据包的数据，少量丢包可通过其他包的冗余数据直接恢复，无需丢包重传。

相关文章