【TCP/IP】UDP协议数据格式和报文格式

学习一个网络协议，主要就是学习“数据格式”/“报文格式”

源端口/目的端口

• 端口号是属于传输层的概念
• UDP 报头使用两个自己的长度来表示端口号
• 之所以端口号的范围是 0~65535，是因为底层网络协议做出了强制要求
• 如果使用一个 10 w 这样的端口，就会在系统底层被“截断”

• UDP 并不关心后面的正文里面是什么数据，只需要关心报头里面是怎么组织的
• 报头里面分为四个部分，每个部分固定是两个字节（16 bit），里面没有分隔符，就是通过固定长度来进行区分的

---

网络通信中，涉及到四个关键信息：源 IP/目的 IP，源端口/目的端口

• 源端口：发出数据报那个程序使用的端口号——>发件人电话
• 目的端口：接受这个数据报的程序使用的端口号——>收件人电话
• 源 IP：发出数据报那个程序的 IP——>发件人地址
• 目的 IP：接受这个数据报的程序的 IP——>收件人地址

UDP报文长度

UDP报文长度：报头长度 + 载荷长度

• 长度单位是字节，
• 比如，报文长度 1024,——>整个 UDP 数据报就是 1024 字节；由于是两个字节来表示这个长度，所以最大值 65535——64 KB（65536/1024）
• 64 KB 放在今天，是个很小的数字，所以如果使用 UDP 协议传输一个很大的数据，就会变得很麻烦

UDP 用了好多年，一直挺好用，但随着业务的发展，广告越来越多，越来越复杂，导致一个网络响应数据报的体积越来越大，逐渐逼近 64 KB。一旦数据超过了 64 KB，就可能到值数据被截断，这样广告可能就无法正常显示了。对于这样的情况，有两个解决方案：

1. 把一个大的数据报，拆分成多个，分别进行传输
   • 很快就被否决了；因为实现分包、组包的过程非常复杂，充满了不确定性
2. 直接使用 TCP
   • TCP 对于长度没有限制，其自身也带有可靠传输这样的机制，对于整体的通信质量来说也是有利的
   • 代码的修改成本比较低

---

校验和

前提：网络传输过程中，非常容易出现错误

• 电信号/光信号/电磁波——>收到环境的干扰，使里面传输的信号发生改变

校验和存在的目的，就是为了能够“发现”或者“纠正”这里的错误。就可以给传输的数据中，引入“额外信息”，用来发现/纠正传输数据的错误

• 这里的额外信息就是 checksum
• 如果只是发现错误，需要携带的额外信息，就可以少一些（发现就会丢弃掉，不会让对方重发）
• 如果是想要纠正错误，携带的额外信息就要更多（消耗更多带宽）

举个例子：你妈让你去买菜，西红柿、鸡蛋、茄子、晃过，最后补充一句“一共四样”

• 这里的“一共四样”起到的作用就相当于是“校验和”。通过“一共四样”你可以对手里的菜进行检查，有没有买多、买少

但这样的“校验和”并不能准确的识别出问题，而且容易误判。所以我们希望校验和可以更严格地检查数据的内容，可以结合内容/内容的片段来生成校验和

• 比如你在默写金庸先生的十五部作品的名称，写完后，你可以通过“飞雪连天射白鹿，笑书神侠倚碧鸳”这一幅对联和你写的书名的第一个字对一下，若能对象，就说名此处的名字都是正确的
• 这样的校验和就是基于内容来进行校验的

• 虽然出错的数据恰好没有被校验出来，这可情况也是可能会发生的
• 但是一个良好的校验和算法，可以让上述问题发生的可能性非常低

CRC 校验和（循环冗余校验）

把 UDP 数据报整个数据都进行遍历，分别取出每个字节，往一个两个字节的变量上进行累加

• 由于整个数据可能会很多，所以加着加着可能就结果溢出了，但溢出也没关系
• 我们重点关心的不是最终加和是多少，而是校验和结果是否会在传输中发生改变

例如：我们去传输一个 UDP 数据报

• 发送方整合整个 UDP 数据，基于这些数据，计算得到一个 checksum1
• 接收方收到的数据：
  1. 数据的内容
  2. 校验和 checksum1
  • 接收方就可以根据数据的内容，按照同样的算法，再算一遍校验和，得到 checksum2
• 如果传输的数据在网络通信过程中，没有发生任何改变，则一定有 checksum1 == checksum2

MD5 算法

本质上是一个“字符串 hash 算法”
特点：

1. 定长：无论输入的字符串长度多长，算出的 MD5 的结果都是固定长度——>适合做校验和算法
2. 分散：输入的字符串哪怕只有一点点发生改变，得到的 MD5 的值都会相差很大——>适合做 hash 算法
3. 不可逆：根据输入内容，计算 MD5 非常简单，但是如果想通过 MD5 值还原出原始的内容，理论上是不可行——>适合作为加密算法