HTTP基础

Posted 2021-04-26 FINANCE RETAIL

HTTP 协议在我们的生活中随处可见，打开手机或者电脑，只要你上网，不论是用 iPhone、android、Windows 还是 Mac，不论是用浏览器还是 App，不论是看新闻、短视频还是听音乐、玩游戏，后面总会有 HTTP 在默默为你服务。据 NetCraft 公司统计，目前全球至少有 16 亿个网站、2 亿多个独立域名，而这个庞大网络世界的底层运转机制就是 HTTP。

一、 HTTP是什么

HTTP 通常翻译为“超文本传输协议”，也就是  Hyper Text  Transfer  Protocol。HTTP协议本身位于应用层，不具备“传输”的作用，所以对于“Transfer”的翻译是有争议的。目前HTTP的主流应用方案是通过TCP/IP协议簇进行传输，HTTP本身更多关注的是信息本身，关于翻译和HTTP的定位问题，可以参考这个话题： 关于HTTP中文翻译的讨论 。

首先，HTTP是一种协议，协议是对参与者的一种行为约定和规范。HTTP不是一种具体的技术实现，而是一整套完善的约定和规范，实现了HTTP协议的应用，就可以用作web服务器，比如Apache、nginx、Tomcat、IIS等。

其次，HTTP 协议是一个“双向协议”。也就是说，有两个最基本的参与者 A 和 B，从 A 开始到 B 结束，数据在 A 和 B 之间双向而不是单向流动。通常我们把先发起传输动作的 A 叫做请求方，把后接到传输的 B 叫做应答方或者响应方。数据虽然是在 A 和 B 之间传输，但并没有限制只有 A 和 B 这两个角色，允许中间有“中转”或者“接力”。常用的代理服务器，负载均衡（反向代理）服务器，微服务中的“网关”，都属于“中转站”的角色。

最后，HTTP协议的内容是超文本。所谓“超文本”，就是“超越了普通文本的文本”，它是文字、图片、音频和视频等的混合体，最关键的是含有“超链接”，能够从一个“超文本”跳跃到另一个“超文本”，形成复杂的非线性、网状的结构关系。对于“超文本”，我们最熟悉的就应该是 html 了，它本身只是纯文字文件，但内部用很多标签定义了对图片、音频、视频等的链接，再经过浏览器的解释，呈现在我们面前的就是一个含有多种视听信息的页面。

二、 关于域名

HTTP 协议运行在 TCP/IP 上，IP 协议的职责是“网际互连”，它在 MAC 层之上，使用 IP 地址把 MAC 编号转换成了四位数字（IPv4），这就对物理网卡的 MAC 地址做了一层抽象。但是IP 地址“对人不友好”，虽然比 MAC 的 16 进制数要好一点，但还是难于记忆和输入。在 IP 地址之上再一次抽象，把数字形式的 IP 地址转换成有意义容易识别的字符串，就是DNS 域名系统。

域名是一个有层次的结构，是一串用“.”分隔的多个单词，最右边的被称为“顶级域名”，然后是“二级域名”，层级关系向左依次降低。最左边的是主机名，通常用来表明主机的用途，比如“www”表示提供万维网服务、“mail”表示提供邮件服务，不过这也不是绝对的，名字的一个重要目的是容易识别和记忆。

比如 www.ebchinatech.com，“com”是顶级域名，“ebchinatech”是二级域名，“www”则是主机名。使用这个域名，DNS 就会把它转换成相应的 IP 地址。

域名解析成IP的示意图：

以www.ebchinatech.com为例，使用ping命令，获取的结果如下：

将本地host进行如下修改：

再次执行ping命令，结果如下：

三 、HTTP的结构

HTTP 协议的请求报文和响应报文的结构基本相同，由三大部分组成：

• 起始行（start line）：描述请求或响应的基本信息；

• 头部字段集合（header）：使用 key-value 形式更详细地说明报文；

• 消息正文（entity）：实际传输的数据，它不一定是纯文本，可以是图片、视频等二进制数据。

这其中前两部分起始行和头部字段经常又合称为“请求头”或“响应头”，消息正文又称为“实体”，但与“header”对应，很多时候就直接称为“body”。

HTTP 协议规定报文必须有 header，但可以没有 body，而且在 header 之后必须要有一个“空行”，也就是“CRLF”，十六进制的“0D0A”。所以，一个完整的 HTTP 报文就像是下图的这个样子：

四、 HTTP报文

4.1 请求行

使用Chrome浏览器，发送一个Get请求，打开开发者工具，可以看到浏览器生成的HTTP信息如下：

红色框标注的，就是请求行，可以看到，它有三部分组成:

1. 请求方法：是一个动词，如 GET/POST，表示对资源的操作；

2. 请求目标：通常是一个 URI，标记了请求方法要操作的资源；

3. 版本号：表示报文使用的 HTTP 协议版本。

这三个部分通常使用空格（space）来分隔，最后要用 CRLF 换行表示结束。

4.2 状态行

和请求行相对于，服务器响应的报文第一行，叫做状态行。同样也是由三部分构成：

1. 版本号：表示报文使用的 HTTP 协议版本；

2. 状态码：一个三位数，用代码的形式表示处理的结果，比如 200 是成功，500 是服务器错误；

3. 原因(可选)：作为数字状态码补充，是更详细的解释文字，帮助人理解原因。

使用Telnet工具和Wireshark抓取HTTP通信过程，截图如下：

使用Wireshark抓取的请求内容如下：

响应内容如下：

4.3 头部字段

4.3.1 头部结构

请求头和响应头的结构是基本一样的，唯一的区别是起始行。它们的结构分别如下：

头部字段是 key-value 的形式，key 和 value 之间用“:”分隔，最后用 CRLF 换行表示字段结束。使用头字段需要注意下面几点：

• 字段名不区分大小写，例如“Host”也可以写成“host”，但首字母大写的可读性更好；

• 字段名里不允许出现空格，可以使用连字符“-”，但不能使用下划线“_”。

  例如，“test-name”是合法的字段名，而“test name”“test_name”是不正确的字段名；

• 字段名后面必须紧接着“:”，不能有空格，而“:”后的字段值前可以有多个空格；

• 字段的顺序是没有意义的，可以任意排列不影响语义；字段原则上不能重复，除非这个字段本身的语义允许，例如 Set-Cookie。

比如下图，在Field Name和“:”之间，多加一个空格，请求会出现错误，截图如下：

4.3.2 头部使用场景

许多安全技术都使用了特定的Header，比如OAuth2，Basic认证等。下面以Basic认证为例，演示Header的一个使用场景。

将应用开启Basic认证，如果使用浏览器直接访问，会出现以下的对话框：

Basic凭证的使用方式为

Header中添加Authorization字段，格式为：Authorization: <type> <credentials>，其中：

• type类型为“Basic”

• credentials (凭证)，是通过将“用户名:密码”格式的字符串经过的Base64编码得到

应用使用的测试用户名为 httpbase，密码为secret，经过Base64编码后值为: aHR0cGJhc2U6c2VjcmV0

使用telnet，直接请求，结果如下：

添加Authorization之后，结果如下：

4.4 实体

4.4.1 MIME

早在 HTTP 协议诞生之前，在电子邮件系统里的，为了让电子邮件可以发送 ASCII 码以外的任意数据，制定了一个方案，名字叫做“多用途互联网邮件扩展”（Multipurpose Internet Mail Extensions），简称为 MIME。MIME 把数据分成了八大类，每个大类下再细分出多个子类，形式是“type/subtype”的字符串。这种形式刚好也符合了 HTTP 明文的特点，所以HTTP 取了其中的一部分，用来标记 body 的数据类型，这就是我们平常总能听到的“MIME type”。

这里简单列举一下在 HTTP 里经常遇到的几个类别：

• text：即文本格式的可读数据，我们最熟悉的应该就是 text/html 了，表示超文本文档，此外还有纯文本 text/plain、样式表 text/css 等。

• image：即图像文件，有 image/gif、image/jpeg、image/png 等。

• audio/video：音频和视频数据，例如 audio/mpeg、video/mp4 等。

• application：数据格式不固定，可能是文本也可能是二进制，必须由上层应用程序来解释。

  常见的有 application/json，application/javascript、application/pdf 等，如果不知道数据是什么类型，可以用 application/octet-stream，即二进制数据。

4.4.2 Encoding type

仅有 MIME type 还不够，因为 HTTP 在传输时为了节约带宽，有时候还会压缩数据，使用“Encoding type”，告诉数据是用的什么编码格式，这样对方才能正确解压缩，还原出原始的数据。Encoding type 常用的只有下面三种：

• gzip：GNU zip 压缩格式，也是互联网上最流行的压缩格式；

• deflate：zlib（deflate）压缩格式，流行程度仅次于 gzip；

• br：一种专门为 HTTP 优化的新压缩算法（Brotli）。

4.4.3 常见请求实体数据

GET请求在RFC规范中Entity是未规定的，参阅: GET规范。并且在某些情况下，GET请求会局部退化，允许缓存等，所以通常的做法是GET不使用Entity。比如POSTMAN早期版本GET请求不允许添加body。下面将使用POSTMAN和Wireshark，观察不同的body的报文格式。

下面以POST请求为例，PUT和PATCH报文的结构是类似的。

• x-www-form-urlencoded格式，在网页上，form如果使用POST提交，没有指定body格式时，默认是此类型，不能上传文件。

使用Wireshark抓取的报文

multipart/form-data，支持文件上传

使用Wireshark抓取的报文

完整报文如下:

五、 HTTP/2

在“语义”上保持稳定，HTTP/2 在“语法”层做了“天翻地覆”的改造，完全变更了 HTTP 报文的传输格式。针对HTTP/1.1，在以下几个方面做了优化

• 头部压缩

  由于报文 Header 一般会携带“User Agent”“Cookie”“Accept”“Server”等许多固定的头字段，多达几百字节甚至上千字节，但 Body 却经常只有几十字节（比如 GET 请求、204/301/304 响应），成了不折不扣的头重脚轻。更严重的是，成千上万的请求响应报文里有很多字段值都是重复的，非常浪费，“长尾效应”导致大量带宽消耗在了这些冗余度极高的数据上。所以，HTTP/2 把“头部压缩”作为性能改进的一个重点，不过 HTTP/2 并没有使用传统的压缩算法，而是开发了专门的“HPACK”算法，在客户端和服务器两端建立“字典”，用索引号表示重复的字符串，还釆用哈夫曼编码来压缩整数和字符串，可以达到 50%~90% 的高压缩率。

• 二进制格式

  HTTP/2 不再使用可见的 ASCII 码，而是向下层的 TCP/IP 协议“靠拢”，全面采用二进制格式。这样虽然对人不友好，但却大大方便了计算机的解析。使用纯文本的时候容易出现多义性，比如大小写、空白字符、回车换行、多字少字等等，程序在处理时必须用复杂的状态机，效率低。而二进制里只有“0”和“1”，可以严格规定字段大小、顺序、标志位等格式，解析起来没有歧义，实现简单，而且体积小、速度快，做到“内部提效”。

  它把 TCP 协议的部分特性挪到了应用层，把原来的“Header+Body”的消息“打散”为数个小片的二进制“帧”（Frame），用“HEADERS”帧存放头数据、“DATA”帧存放实体数据。这种做法有点像是“Chunked”分块编码的方式，但 HTTP/2 数据分帧后“Header+Body”的报文结构就完全消失了，协议看到的只是一个个的“碎片”。

• 虚拟的“流”

  HTTP/2 定义了一个“流”（Stream）的概念，它是二进制帧的双向传输序列，同一个消息往返的帧会分配一个唯一的流 ID。你可以把它想象成是一个虚拟的“数据流”，在里面流动的是一串有先后顺序的数据帧，这些数据帧按照次序组装起来就是 HTTP/1 里的请求报文和响应报文。

  因为“流”是虚拟的，实际上并不存在，所以 HTTP/2 就可以在一个 TCP 连接上用“流”同时发送多个“碎片化”的消息，这就是常说的“多路复用”（ Multiplexing）——多个往返通信都复用一个连接来处理。

  在“流”的层面上看，消息是一些有序的“帧”序列，而在“连接”的层面上看，消息却是乱序收发的“帧”。多个请求 / 响应之间没有了顺序关系，不需要排队等待，也就不会再出现“队头阻塞”问题，降低了延迟，大幅度提高了连接的利用率。

六、 总结

1. HTTP的含义，可以参考话题： 关于HTTP中文翻译的讨论 。

2. 域名解析

   分析了域名的解析过程，利用域名解析的过程，可以实现定制化域名解析。利用这个特点，可以搭建一套不依赖于IP的分布式应用。

3. HTTP结构

   HTTP是纯文本的协议，结构简单，可读性强，对人和机器都足够友好，这也是得以广泛应用的主要原因。

4. HTTP报文

   HTTP报文语义直观，结构简洁。头部字段可定制化程度非常高，许多技术，都是借助HEADER来实现的，比如OAuth2，缓存等。

5. HTTP/2

   HTTP/2全文使用二进制编码，传输效率得到极大提升。同时由于“流”的引入，可以实现“多路复用”，避免了“队头阻塞”问题。同时由于机制的变化，一些针对HTTP/1的方式，可能会出现“负作用”，比如HTTP/1通过域名分散来实现多线程加载的方式，不能充分发挥“多路复用”的优点，域名收敛才是更好的优化方式。

Related Posts

• HTTPS (Categories: java, http)

• 利用场景法建立用户业务场景 (Categories: java)

• Adf应用部署到GlassFish (Categories: java)

• Oracle ADF 高级课程结业证书 (Categories: java)

• 创业互联网公司如何搭建自己的技术框架 (Categories: java)

• ES系列之十一结语 (Categories: java, elasticsearch)