Socket网络编程基础

声明： 本篇博客的学习途径主要为以下网站和课堂讲解，发博客目的仅为学习使用
http://c.biancheng.net/socket/

socket 通信技术就是两台联网的计算机之间交换数据的技术

什么是socket？

socket 的原意是“插座”，在计算机通信领域，socket 被翻译为“套接字”，通过 socket 这种约定，一台计算机可以接收其他计算机的数据，也可以向其他计算机发送数据。
最经典的应用是Web服务器和浏览器之间的数据传递。

---

Linux中的socket

UNIX/Linux 中的一切都是文件！
为了区分已经打开的文件，UNIX/Linux 会给每个文件分配一个 ID，这个 ID 就是一个整数，被称为文件描述符（File Descriptor）

• 通常用 0 来表示标准输入文件（stdin），它对应的硬件设备就是键盘；
• 通常用 1 来表示标准输出文件（stdout），它对应的硬件设备就是显示器。
  UNIX/Linux 程序在执行任何形式的 I/O 操作时，都是在读取或者写入一个文件描述符
  文件是一个硬盘上的普通文件、FIFO、管道、终端、键盘、显示器，甚至是一个网络连接。
  请注意，网络连接也是一个文件，它也有文件描述符！
  我们可以通过 socket() 函数来创建一个网络连接，或者说打开一个网络文件，socket() 的返回值就是文件描述符。有了文件描述符，我们就可以使用普通的文件操作函数来传输数据了，例如：
• 用 read() 读取从远程计算机传来的数据；
• 用 write() 向远程计算机写入数据。

---

套接字(socket)的类型

这个世界上有很多种套接字（socket），之后主要讲解的是Internet套接字

• DARPA Internet 地址（Internet 套接字）
• 本地节点的路径名（Unix套接字）
• CCITT X.25地址（X.25 套接字）
• Internet 套接字

之后所有的Internet socket 简称为socket

---

Internet socket的分类

---

流格式套接字（SOCK_STREAM）

流格式套接字（SOCK_STREAM）：面向连接的套接字，在代码中使用SOCK_STREAM表示

SOCK_STREAM 是一种可靠的、双向的通信数据流，数据可以准确无误地到达另一台计算机，如果损坏或丢失，可以重新发送。

---

流格式套接字（SOCK_STREAM）的特征

SOCK_STREAM 有以下几个特征：

• 数据在传输过程中不会消失；
• 数据是按照顺序传输的；（早发早到，晚发晚到）
• 数据的发送和接收不是同步的（有的教程也称“不存在数据边界”）。

---

流格式套接字（SOCK_STREAM）采用的协议

• 流格式套接字（SOCK_STREAM）为什么是高质量的可靠传输呢？
  因为使用到了TCP/IP协议（The Transmission Control Protocol，传输控制协议）
  TCP 用来确保数据的正确性
  IP（Internet Protocol，网络协议）用来控制数据如何从源头到达目的地，也就是常说的“路由”。

---

流格式套接字（SOCK_STREAM）内部缓冲区

• “数据的发送和接收不同步”该如何理解呢？
  流格式套接字的内部有一个缓冲区（也就是字符数组），通过 socket 传输的数据将保存到这个缓冲区。
  接收端在收到数据后并不一定立即读取，只要数据不超过缓冲区的容量，接收端有可能在缓冲区被填满以后一次性地读取，也可能分成好几次读取。

也就是说，不管数据分几次传送过来，接收端只需要根据自己的要求读取，不用非得在数据到达时立即读取。传送端有自己的节奏，接收端也有自己的节奏，它们是不一致的。

---

流格式套接字（SOCK_STREAM）实际的应用场景

• 流格式套接字（SOCK_STREAM）实际的应用场景有哪些？
  浏览器使用的HTTP协议，HTTP协议就是基于面向连接的套接字，必须保证数据准确无误，否则加载的HTML将无法解析。

---

数据报格式套接字（SOCK_DGRAM）

数据报格式套接字（Datagram Sockets）也叫“无连接的套接字”，在代码中使用 SOCK_DGRAM 表示。

使用数据报格式套接字，只传递数据，不作数据校验，数据错了就错了照传不误，无法重传。

---

数据报格式套接字（SOCK_DGRAM））的特征

• 强调快速传输而非传输顺序；
• 传输的数据可能丢失也可能损毁；
• 限制每次传输的数据大小；
• 数据的发送和接收是同步的（有的教程也称“存在数据边界”）。

由于其发送和接收是同步的，所以限制了传输的数据大小，类比于摩托车，用两辆摩托车分别发送两件包裹，那么接收者也需要分两次接收。

用摩托车发往同一地点的两件包裹无需保证顺序，只要以最快的速度交给客户就行。
这种方式存在损坏或丢失的风险，而且包裹大小有一定限制。
因此，想要传递大量包裹，就得分批发送。

∴数据报套接字是一种不可靠的、不按顺序传递的、以追求速度为目的的套接字。

---

数据报格式套接字（SOCK_DGRAM））采用的协议

数据报套接字也使用 IP 协议作路由，使用 UDP 协议（User Datagram Protocol，用户数据报协议）。

---

数据报格式套接字（SOCK_DGRAM））实际的应用场景

QQ 视频聊天和语音聊天就使用 还有 DNS、即时聊天工具
SOCK_DGRAM 来传输数据，因为首先要保证通信的效率，尽量减小延迟，而数据的正确性是次要的，即使丢失很小的一部分数据，视频和音频也可以正常解析，最多出现噪点或杂音，不会对通信质量有实质的影响。

注意：SOCK_DGRAM 没有想象中的糟糕，不会频繁的丢失数据，数据错误只是小概率事件。

---

面向连接和无连接的套接字

流格式套接字（Stream Sockets）就是“面向连接的套接字”，它基于 TCP 协议；
数据报格式套接字（Datagram Sockets）就是“无连接的套接字”，它基于 UDP 协议。

实际举例（简化的互联网模型）：

H1 ~ H6 表示计算机，A~E 表示路由器，发送端发送的数据必须经过路由器的转发才能到达接收端。
假设 H1 要发送若干个数据包给 H6，那么有多条路径可以选择，比如：

路径①：H1 --> A --> C --> E --> H6
路径②：H1 --> A --> B --> E --> H6
路径③：H1 --> A --> B --> D --> E --> H6
路径④：H1 --> A --> B --> C --> E --> H6
路径⑤：H1 --> A --> C --> B --> D --> E --> H6

数据包的传输路径是路由器根据算法来计算出来的，算法会考虑很多因素，比如网络的拥堵状况、下一个路由器是否忙碌等。

---

无连接的套接字

对于无连接的套接字，数据包在传输过程中会发生各种不测，也会发生各种奇迹。H1 只负责把数据包发出，至于它什么时候到达，先到达还是后到达，有没有成功到达，H1 都不管了；H6 也没有选择的权利，只能被动接收，收到什么算什么，爱用不用。

每个数据包之间都是独立的，各走各的路，谁也不影响谁，除了迷路的或者发生意外的数据包，最后都能到达 H6。但是，到达的顺序是不确定的，比如：
⭐第一个数据包选择了一条比较长的路径（比如路径⑤），第三个数据包选择了一条比较短的路径（比如路径①），虽然第一个数据包很早就出发了，但是走的路比较远，最终还是晚于第三个数据包达到。
⭐第一个数据包选择了一条比较短的路径（比如路径①），第三个数据包选择了一条比较长的路径（比如路径⑤），按理说第一个数据包应该先到达，但是非常不幸，第一个数据包走的路比较拥堵，这条路上的数据量非常大，路由器处理得很慢，所以它还是晚于第三个数据包达到了。

还有一些意外情况会发生，比如：
⭐ 第一个数据包选择了路径①，但是路由器C突然断电了，那它就到不了 H6 了。
⭐ 第三个数据包选择了路径②，虽然路不远，但是太拥堵，以至于它等待的时间太长，路由器把它丢弃了。
还有一些意外情况会发生，比如：
第一个数据包选择了路径①，但是路由器C突然断电了，那它就到不了 H6 了。
第三个数据包选择了路径②，虽然路不远，但是太拥堵，以至于它等待的时间太长，路由器把它丢弃了。

无连接套接字遵循的是「尽最大努力交付」的原则，就是尽力而为，实在做不到了也没办法。无连接套接字提供的没有质量保证的服务。

• 无连接的套接字数据包里都有什么?
  无连接的套接字则只包含长度和校验和信息。

---

面向连接的套接字

①面向连接的套接字在正式通信之前要先确定一条路径，该路径被称为“虚电路”，就是一条虚拟的通信电路。没有特殊情况的话，以后就固定地使用这条路径来传递数据包了。该路径由路由器维护的，路径上的所有路由器都要存储该路径的信息（实际上只需要存储上游和下游的两个路由器的位置就行），所以路由器是有开销的。

②发送端在发送数据包以后，必须得到接收端的确认才发送下一个数据包；如果数据包发出去了，一段时间以后仍然没有得到接收端的回应，那么发送端会重新再发送一次，直到得到接收端的回应。
③通信完毕后，要断开连接，销毁路径，这个时候路由器也会把之前存储的路径信息擦除

• 发送端发送一个数据包，如何得到接收端的确认呢？
  为每一个数据包分配一个 ID，接收端接收到数据包以后，再给发送端返回一个数据包，告诉发送端我接收到了 ID 为 xxx 的数据包。

• 为什么面向连接的套接字数据包那么多？
  面向连接的套接字会比无连接的套接字多出很多数据包，因为发送端每发送一个数据包，接收端就会返回一个数据包。此外，建立连接和断开连接的过程也会传递很多数据包。

• 数据包里都有什么?
  除了源端口和目的端口，面向连接的套接字还包括序号ID、确认信号、数据偏移、控制标志（通常说的 URG、ACK、PSH、RST、SYN、FIN）、窗口、校验和、紧急指针、选项等信息；

---

OSI网络七层模型

OSI 是 Open System Interconnection 的缩写，译为“开放式系统互联”
口诀:物联网输会示用
OSI进行简化： TCP/IP模型
口诀：接网传用

• 网络模型的作用? : 进行数据封装
  数据传输本质是一个装包-拆包的过程，不断增加头部的数据块。

我们所说的 socket 编程，是站在传输层的基础上，所以可以使用 TCP/UDP 协议，但是不能干「访问网页」这样的事情，因为访问网页所需要的 http 协议位于应用层。

两台计算机进行通信时，必须遵守以下原则：

• 必须是同一层次进行通信，比如，A 计算机的应用层和 B 计算机的传输层就不能通信，因为它们不在一个层次，数据的拆包会遇到问题。
• 每一层的功能都必须相同，也就是拥有完全相同的网络模型。如果网络模型都不同，那不就乱套了，谁都不认识谁。
  数据只能逐层传输，不能跃层。
• 每一层可以使用下层提供的服务，并向上层提供服务

---

TCP/IP协议族

协议（Protocol）：就是网络通信过程中的约定或者合同，通信的双方必须都遵守才能正常收发数据。协议有很多种，例如 TCP、UDP、IP 等，通信的双方必须使用同一协议才能通信

TCP/IP 模型包含了 TCP、IP、UDP、Telnet、FTP、SMTP 等上百个互为关联的协议，其中 TCP 和 IP 是最常用的两种底层协议，所以把它们统称为“TCP/IP 协议族”

socket 编程是基于 TCP 和 UDP 协议的，它们的层级关系如下图所示：

---

网络通信中确认身份信息的三要素（IP、MAC、端口号）

在茫茫的互联网海洋中，要找到一台计算机非常不容易，有三个要素必须具备，它们分别是 IP 地址、MAC 地址和端口号。

---

IP地址

IP地址是 Internet Protocol Address 的缩写，译为“网际协议地址”。
一台计算机可以拥有一个独立的 IP 地址，一个局域网也可以拥有一个独立的 IP 地址（对外就好像只有一台计算机）。
现实情况往往是一个局域网才拥有一个 IP 地址。

在因特网上进行通信时，必须要知道对方的 IP 地址。实际上数据包中已经附带了 IP 地址，把数据包发送给路由器以后，路由器会根据 IP 地址找到对方的地里位置，完成一次数据的传递。

---

MAC地址

一个局域网往往才能拥有一个独立的 IP；换句话说，IP 地址只能定位到一个局域网，无法定位到具体的一台计算机。这可怎么办呀？
真正能唯一标识一台计算机的是 MAC 地址，MAC地址也叫做真实物理地址 MAC 地址是 Media Access Control Address 的缩写，直译为“媒体访问控制地址”
局域网中的路由器/交换机会记录每台计算机的 MAC 地址。

---

端口号

有了 IP 地址和 MAC 地址，虽然可以找到目标计算机，但仍然不能进行通信，计算机虽然可以正确接收到数据包，但是却不知道要将数据包交给哪个网络程序来处理，一台计算机可以同时提供多种网络服务，例如 Web 服务（网站）、FTP 服务（文件传输服务）、SMTP 服务（邮箱服务）等。
端口号：为每个网络程序分配一个独一无二的端口号（Port Number）
例如，Web 服务的端口号是 80，FTP 服务的端口号是 21，SMTP 服务的端口号是 25。
端口（Port）是一个虚拟的、逻辑上的概念。