套接字和协议的关系

一、

我的提问：

知道套接字是应用程序跟TCP/IP打交道的渠道，
但HTTP,FTP等应用层的协议的实现却一直困扰着我? 具体的归结为下面另个问题：
1.这些协议的实现跟套接字的关系（即是否用套接字实现的（当然我不怎么认为）） 
2.这些协议的实现是否也跟套接字编程原理一样，服务器端和客户端都要要建侦听进程，然后对接收的信息进行相应

 

答：

套接字相当于人的耳朵和声带，协议相当于人的语言，约定好发出个1，对面就只回复个2，发出个3，只回复个4，不回复别的，这就是协议的意思，不论什么协议，都是侦听发送

答：

根都是socket，google “http ftp 原理”

 

二、

 

浅析FTP的工作原理

 

摘要

通过阅读本文，您可以了解到FTP的基本的工作原理。作 者以建立FTP连接到断开FTP连接的方式详细介绍了FTP会话全过程。如果您对PORT模式或者PASV模式的FTP工作原理有些疑惑，相信本文能使您 了解更多的细节，使您更加从容的面对企业的网络流量以及安全的管理，特别是如果您的企业正准备在企业内部署ISA Server 2000，或许会给您发布内部服务器带来帮助！

---

目录

• FTP协议概述
• PORT模式
• PASV模式
• 比较分析
• 图示

---

FTP协议概述

起 初， FTP并不是应用于IP网络上的协议，而是ARPANEt网络中计算机间的文件传输协议， ARPANET是美国国防部组建的老网络，于1960-1980年使用。在那时， FTP的主要功能是在主机间高速可靠地传输文件。目前FTP仍然保持其可靠性，即使在今天，它还允许文件远程存取。这使得用户可以在某个系统上工作，而将 文件存贮在别的系统。例如，如果某用户运行Web服务器，需要从远程主机上取得HTML文件和CGI程序在本机上工作，他需要从远程存储站点获取文件(远 程站点也需安装Web服务器)。当用户完成工作后，可使用FTP将文件传回到Web服务器。采用这种方法，用户无需使用Telnet登录到远程主机进行工 作，这样就使Web服务器的更新工作变得如此的轻松。

FTP是TCP/IP的一种具体应用，它工作在 OSI模型的第七层，TCP模型的第四层上，即应用层，使用TCP传输而不是UDP，这样FTP客户在和服务器建立连接前就要经过一个被广为熟知的"三次 握手"的过程，它带来的意义在于客户与服务器之间的连接是可靠的，而且是面向连接，为数据的传输提供了可靠的保证。

下面，让我们来看看，一个FTP客户在和服务器连接是怎么样的一个过程（以标准的FTP端口号为例）。

首 先，FTP并不像HTTP协议那样，只需要一个端口作为连接（HTTP的默认端口是80，FTP的默认端口是21），FTP需要2个端口，一个端口是作为 控制连接端口,也就是21这个端口，用于发送指令给服务器以及等待服务器响应；另一个端口是数据传输端口,端口号为20（仅PORT模式），是用来建立数 据传输通道的，主要有3个作用

• 从客户向服务器发送一个文件。
• 从服务器向客户发送一个文件。
• 从服务器向客户发送文件或目录列表。

其次，FTP的连接模式有两种，PORT和PASV。PORT模式是一个主动模式，PASV是被动模式，这里都是相对于服务器而言的。为了让大家清楚的认识这两种模式，朗月繁星分别举例说明。

---

PORT模式

当 FTP客户以PORT模式连接服务器时，他动态的选择一个端口号（本次试验是6015）连接服务器的21端口，注意这个端口号一定是1024以上的，因为 1024以前的端口都已经预先被定义好，被一些典型的服务使用，当然有的还没使用，保留给以后会用到这些端口的资源服务。当经过TCP的三次握手后，连接 （控制信道）被建立（如图1和图2）。现在用户要列出服务器上的目录结构(使用ls或dir命令)，那么首先就要建立一个数据通道，因为只有数据通道才能 传输目录和文件列表，此时用户会发出PORT指令告诉服务器连接自己的什么端口来建立一条数据通道（这个命令由控制信道发送给服务器），当服务器接到这一 指令时，服务器会使用20端口连接用户在PORT指令中指定的端口号，用以发送目录的列表（如图3）。当完成这一操作时，FTP客户也许要下载一个文件， 那么就会发出get指令，请注意，这时客户会再次发送PORT指令，告诉服务器连接他的哪个"新"端口，你可以先用netstat -na这个命令验证，上一次使用的6044已经处于TIME_WAIT状态(如图4)。当这个新的数据传输通道建立后(在微软的系统中，客户端通常会使用 连续的端口，也就是说这一次客户端会用6045这个端口)，就开始了文件传输的工作。

---

PASV模式

然 而，当FTP客户以PASV模式连接服务器时，情况就有些不同了。在初始化连接这个过程即连接服务器这个过程和PORT模式是一样的，不同的是，当FTP 客户发送ls、dir、get等这些要求数据返回的命令时，他不向服务器发送PORT指令而是发送PASV指令，在这个指令中，用户告诉服务器自己要连接 服务器的某一个端口，如果这个服务器上的这个端口是空闲的可用的，那么服务器会返回ACK的确认信息，之后数据传输通道被建立并返回用户所要的信息（根据 用户发送的指令，如ls、dir、get等）；如果服务器的这个端口被另一个资源所使用，那么服务器返回UNACK的信息，那么这时，FTP客户会再次发 送PASV命令，这也就是所谓的连接建立的协商过程。为了验证这个过程我们不得不借助CUTEFTP Pro这个大家经常使用的FTP客户端软件，因为微软自带的FTP命令客户端，不支持PASV模式。虽然你可以使用QUOTE PASV这个命令强制使用PASV模式，但是当你用ls命令列出服务器目录列表，你会发现它还是使用PORT方式来连接服务器的。现在我们使用 CUTEFTP Pro以PASV模式连接服务器（如图5），请注意连接LOG里有这样几句话：

COMMAND:> PASV   227 Entering Passive Mode (127,0,0,1,26,108) COMMAND:> LIST STATUS:>   Connecting ftp data socket 127.0.0.1: 6764...   125 Data connection already open; Transfer starting.   226 Transfer complete.

其中，

227 Entering Passive Mode (127,0,0,1,26,80). 代表客户机使用PASV模式连接服务器的26x256+108=6764端口。（当然服务器要支持这种模式）

125 Data connection already open; Transfer starting.说明服务器的这个端口可用，返回ACK信息。

再让我们看看用CUTEFTP Pro以PORT模式连接服务器的情况。其中在LOG里有这样的记录：

COMMAND:> PORT 127,0,0,1,28,37   200 PORT command successful. COMMAND:> LIST   150 Opening ASCII mode data connection for /bin/ls. STATUS:>   Accepting connection: 127.0.0.1:20.   226 Transfer complete. STATUS:>   Transfer complete.

其中，

PORT 127,0,0,1,28,37告诉服务器当收到这个PORT指令后，连接FTP客户的28x256+37=7205这个端口。

Accepting connection: 127.0.0.1:20表示服务器接到指令后用20端口连接7205端口，而且被FTP客户接受。

---

比较分析

在 这两个例子中，请注意: PORT模式建立数据传输通道是由服务器端发起的，服务器使用20端口连接客户端的某一个大于1024的端口；在PASV模式中，数据传输的通道的建立是 由FTP客户端发起的，他使用一个大于1024的端口连接服务器的1024以上的某一个端口。如果从C/S模型这个角度来说，PORT对于服务器来说是 OUTBOUND，而PASV模式对于服务器是INBOUND，这一点请特别注意，尤其是在使用防火墙的企业里，比如使用微软的ISA Server 2000发布一个FTP服务器，这一点非常关键，如果设置错了，那么客户将无法连接。

最后，请注意在FTP客户连接服务器的整个过程中，控制信道是一直保持连接的，而数据传输通道是临时建立的。

在 本文中，朗月繁星把重点放到了FTP的连接模式，没有涉及FTP的其他内容，比如FTP的文件类型（Type），格式控制（Format control）以及传输方式（Transmission mode）等。不过这些规范大家可能不需要花费过多的时间去了解，因为现在流行的FTP客户端都可以自动的选择正确的模式来处理，对于FTP服务器端通常 也都做了一些限制，如下

• 类型：A S C I I或图像。
• 格式控制：只允许非打印。
• 结构：只允许文件结构。
• 传输方式：只允许流方式

至于这些内容，限于篇幅朗月繁星在这里就不想再介绍了。希望这篇文章能对大家有些帮助，特别是正在学习ISA Server2000的朋友和一些对FTP不很了解的朋友。

OK，就此驻笔了，希望大家与我交流。

---

图示

图1：FTP客户使用FTP命令建立于服务器的连接

图2：用netstat命令查看，控制信道被建立在客户机的6015和服务器的20端口

图3：ls命令是一个交互命令，它会首先与服务器建立一个数据传输通道。经验证本次试验客户机使用6044端口

图4：使用netstat命令验证上一次使用ls命令建立的数据传输通道已经关闭

图5：使用CUTEFTP Pro以PASV模式连接服务器点此可看详图

 

三、

（一）HTTP协议通信过程 

当我们在浏览器的地址栏输入“www.baidu.com”然后按回车，这之后发生了什么事，我们直接看到的是打开了对应的网页，那么内部客户端和服务端是如何通信的呢？ 

1、      1、URL自动解析 

HTTP URL包含了用于查找某个资源的足够信息，基本格式如下：HTTP://host[“:”port][abs_path]，其中HTTP表示桶盖HTTP协议来定位网络资源；host表示合法的主机域名或IP地址，port指定一个端口号，缺省80；abs_path指定请求资源的URI；如果URL中没有给出abs_path，那么当它作为请求URI时，必须以“/”的形式给出，通常这个工作浏览器自动帮我们完成。 

例如：输入www.163.com;浏览器会自动转换成：HTTP://www.163.com/ 

2、获取IP，建立TCP连接 

浏览器地址栏中输入"HTTP://www.xxx.com/"并提交之后，首先它会在DNS本地缓存表中查找，如果有则直接告诉IP地址。如果没有则要求网关DNS进行查找，如此下去，找到对应的IP后，则返回会给浏览器。 

当获取IP之后，就开始与所请求的Tcp建立三次握手连接，连接建立后，就向服务器发出HTTP请求。 

3、客户端浏览器向服务器发出HTTP请求 

一旦建立了TCP连接，Web浏览器就会向Web服务器发送请求命令，接着以头信息的形式向Web服务器发送一些别的信息，之后浏览器发送了一空白行来通知服务器，它已经结束了该头信息的发送。 

4、Web服务器应答，并向浏览器发送数据 

客户机向服务器发出请求后，服务器会客户机回送应答， 

HTTP/1.1 200 OK 

应答的第一部分是协议的版本号和应答状态码，正如客户端会随同请求发送关于自身的信息一样，服务器也会随同应答向用户发送关于它自己的数据及被请求的文档。 

Web服务器向浏览器发送头信息后，它会发送一个空白行来表示头信息的发送到此为结束，接着，它就以Content-Type应答头信息所描述的格式发送用户所请求的实际数据 

5、Web服务器关闭TCP连接 

一般情况下，一旦Web服务器向浏览器发送了请求数据，它就要关闭TCP连接，然后如果浏览器或者服务器在其头信息加入了这行代码 

Connection:keep-alive 

TCP连接在发送后将仍然保持打开状态，于是，浏览器可以继续通过相同的连接发送请求。保持连接节省了为每个请求建立新连接所需的时间，还节约了网络带宽。

 

 

 

 

 

 

 

（二）HTTP协议工作过程

在爬虫搜集到的信息中，除了网页内容外，通常还包括服务器的应答头部信息。而这些信息标明了服务器或者网络的状况，对爬虫的长期运作有着很重要的意义。在服务器向浏览器发送网页数据前，还需要经过两个步骤：

l    客户端发送请求头信息，例如：

GET / HTTP/1.0
Connection: Keep-Alive
User-Agent: Mozilla/4.51 [en] (X11; I; Linux 2.2.11 i586)
Host: www.tjnu.edu.cn
Accept: image/gif, image/jpeg, image/jpeg, image/png, */*
Accept-Language: en
Accept-Charset: iso-8859-1,*,utf-8

这是给服务器的一些信息，通常包括：标识提出请求的浏览器标识符、浏览器接受的内容类型、语言种类和请求网页的URL。

l    服务器发送应答头部信息，例如：

 

HTTP/1.0 200 OK
Date: Mon, 1 Nov 2005 11:22:33 GMT
Server: Apache/1.2.6
Last-Modified: Sat, 30 Oct 2005 22:33:44 GMT
Content-Length: 1234
Content-Type: text/html

它通常包括协议规范、应答状态码、网页的体积、编码方式以及修改的时间。协议规范表明使用HTTP/1.0还是HTTP/1.1。从HTTP/1.1开始，状态码从200-299之间表示成功的应答；从300-399之间表示客户请求没有完成，一般需要重定向；从400-499之间表示客户请求出错；从500-599之间表示服务器存在错误。爬虫自动的解析应答头信息，根据网页的体积分配内存空间，根据网页的修改日期，判断数据库中的网页是否需要更新，根据网页不同的编码类型采取不同的抓取策略。