浅谈浏览器的缓存机制

Posted 2021-05-07 peterchan1

浏览器的缓存可分为HTTP缓存和离线缓存，下面将分别介绍

HTTP缓存

只有GET请求能被缓存，POST不能被缓存。
Modified Time/ETag/Expires/Cache都是HTTP协议的缓存策略

先来一个例子

当我们第二次访问百度首页，在Chrome的Network面板中打开一个静态文件时会发现响应的status是：200 OK (from disk cache)，不是应该返回304 Not Modified吗？如果你知道答案，那就可以忽略本文了。

Cache-Control

简介

w3.org 的定义是：“The Cache-Control general-header field is used to specify directives which MUST be obeyed by all caching mechanisms along the request/response chain.”

这是一个通用首部字段（就是请求报文和响应报文都能用上的字段），用来控制HTTP缓存的行为。
例如：
Cache-Control: max-age=3600, public
public意味着这个响应可以被任何人缓存
max-age则表明了该缓存有效的秒数，允许你的网站被缓存将大大减少下载时间和带宽，同时也提高浏览器的载入速度。
也可以通过设置no-cache指令来禁止缓存：
Cache-Control: no-cache

详细信息

Cache-Control也是一个通用首部字段，这意味着它能分别在请求报文和响应报文中使用。在RFC中规范了Cache-Control 的格式为：
Cache-Control: cache-directive
作为请求首部时，cache-directive 的可选值有：

当请求头中有:Cache-Control: max-age=0,表示缓存需要进行验证(ETag||Last-Modified)，如果缓存未过期,则可以使用。

当请求头中有:Cache-Control: no-cache,表示浏览器只能获取最新的文件。 和Response Header中的no-store相对应。

作为响应首部时，cache-directive 的可选值有：

public: 共有缓存，可被缓存代理服务器缓存,比如CDN

private: 私有缓存，不能被共有缓存代理服务器缓存，可被用户的代理缓存如浏览器。

max-age=[秒]：表示在这个时间范围内缓存是新鲜的无需更新。类似Expires时间，不过这个时间是相对的，而不是绝对的。也就是某次请求成功后多少秒内缓存是新鲜的。

s-maxage=[秒]：类似max-age, 除了仅应用于共享缓存（如代理）。

no-cache：这里不是不缓存的意思，只是每次在使用缓存之前都强制发送请求给源服务器进行验证，检查文件该没改变(其实这里和ETag/Last区别不大)

no-store：就是禁止缓存，不让浏览器保留缓存副本

must-revalidate：告诉浏览器，你这必须再次验证检查信息是否过期, 返回的代号就不是200而是304了。

proxy-revalidate：类似must-revalidate，除了只能应用于代理缓存。

no-cache等同于max-age=0

Cache-Control 允许自由组合可选值，例如：
Cache-Control: max-age=3600, must-revalidate
这意味着该资源是从原服务器上取得的，且其缓存（新鲜度）的有效时间为一小时，在后续一小时内，用户重新访问该资源时无须发送请求。

缓存校验字段

Cache-Control字段能让客户端决定是否向服务器发送请求，比如设置的缓存时间未过期，那么自然直接从本地缓存取数据即可（在chrome下表现为200 from cache），若缓存时间过期了或资源不该直接走缓存，则会发请求到服务器去。

我们现在要说的问题是，如果客户端向服务器发了请求，那么是否意味着一定要读取回该资源的整个实体内容呢？

我们试着这么想——客户端上某个资源保存的缓存时间过期了，但这时候其实服务器并没有更新过这个资源，如果这个资源数据量很大，客户端要求服务器再把这个东西重新发一遍过来，是否非常浪费带宽和时间呢？

答案是肯定的，那么是否有办法让服务器知道客户端现在存有的缓存文件，其实跟自己所有的文件是一致的，然后直接告诉客户端说这东西你直接用缓存里的就可以了，我这边没更新过呢，就不再传一次过去了。

为了让客户端与服务器之间能实现缓存文件是否更新的验证、提升缓存的复用率，HTTP定义了以下两种校验方法。

基于修改时间

请求首部字段

• If-Modified-Since: 比较资源最后更新的时间是否一致

响应首部字段

• Last-Modified: 资源的最后一次修改时间

服务器将资源传递给客户端时，会将资源最后更改的时间以Last-Modified: GMT的形式加在实体首部上一起返回给客户端。

客户端会为资源标记上该信息，下次再次请求时，会把该信息附带在请求报文中一并带给服务器去做检查，若传递的时间值与服务器上该资源最终修改时间是一致的，则说明该资源没有被修改过，直接返回304状态码即可。

基于校验码

请求首部字段

• If-None-Match: 比较ETag是否不一致

响应首部字段

• ETag：资源的匹配信息。

服务器会通过某种算法，给资源计算得出一个唯一标志符（比如md5标志），在把资源响应给客户端的时候，会在实体首部加上ETag: 唯一标识符一起返回给客户端。

客户端会保留该 ETag 字段，并在下一次请求时将其一并带过去给服务器。服务器只需要比较客户端传来的ETag跟自己服务器上该资源的ETag是否一致，就能很好地判断资源相对客户端而言是否被修改过了。

如果服务器发现ETag匹配不上，那么直接以常规GET 200回包形式将新的资源（当然也包括了新的ETag）发给客户端；如果ETag是一致的，则直接返回304知会客户端直接使用本地缓存即可。

为什么要用Etag

• 一些文件也许会周期性的更改，但是他的内容并不改变(仅仅改变的修改时间)，这个时候我们并不希望客户端认为这个文件被修改了，而重新GET;
• 某些文件修改非常频繁，比如在秒以下的时间内进行修改，(比方说1s内修改了N次)，If-Modified-Since能检查到的粒度是s级的，这种修改无法判断(或者说UNIX记录MTIME只能精确到秒)
• 某些服务器不能精确的得到文件的最后修改时间；

组合的缓存策略

缓存实践

使用 Expires 来兼容旧的浏览器，使用Cache-Control来更精准地利用缓存，分类管理：html, JS, CSS, Photo, Fonts，然后开启 ETag 跟 Last-Modified 功能（在较新的 nginx 上默认是同时开启了这两个功能的）进一步复用缓存减少流量。腾讯首页是60s的缓存。而静态资源则会设置一个较长的时间。
无法获取静态资源：在文件名或参数带上一串md5或时间标记符。

关于开头的例子

现在回过头来看文章开头的问题，可能会觉得答案很容易回答出来。

百度首页的资源在刷新后实际没有发送任何请求，因为 Cache-Control 定义的缓存时间段还没到期。在Chrome中即使没发送请求，但只要从本地的缓存中取，都会在Network面板显示一条状态为200且注明from cache的伪请求，其Response内容只是上一次留下的数据。

浏览器的强制策略

当下大多数浏览器在点击刷新按钮或按F5时会强行给请求加上Cache-Control:max-age=0请求字段，所以这里提及的刷新指的是选中url地址栏并按回车键（这样不会被强行加上Cache-Control）。

用serviceWorker来控制HTTP缓存

在这里简单介绍一下serviceWorker，其和webWorker一样都是一种运行在浏览器中的后台线程，只不过它的权限更大，可以拦截HTTP请求，通过编程的方式去控制HTTP缓存（HTTP缓存在JS中是全局对象caches，其类型为cacheStorage），所以只有https站点才可以使用service worker，当然localhost是一个特例。
另外serviceWorker完全遵循fetch的API。

离线缓存

离线缓存的应用场景是当APP没有网络时，也可以正常进行相关操作，在JS中是全局对象applicationCache。

请尽量不要使用该特性，其已经从Web标准中删除，虽然一些浏览器目前仍然支持它，但也许会在未来的某个时间停止支持，请改用Service Workers代替。但Service Workers属于实验性质的技术，caniuse 上面显示chrome49+ firefox58+，IE系列全部不支持，属于不兼容的新技术，先保持观望。

参考资料

浅谈浏览器http的缓存机制
Service Worker初体验
MDN Service Worker
Service Worker最佳实践
JavaScript中的cacheStorage使用详解
HTTP Get，Post请求详解

原文:大专栏  浅谈浏览器的缓存机制