HTTP 缓存
前提
浏览器通过网络下载各种各样的资源,例如 HTML、CSS、JavaScript、图片、视频、音频、字体等等,这是浏览器工作过程的第一步,也是非常耗时的一步。其实,很多静态文件,如 HTML 文本、图片等,这些资源不经常发生变化,完全可以储存在客户端( 保存到本地磁盘中 ),以便下次使用。因此,浏览器引入了资源缓存机制,也叫 HTTP 缓存机制。
基本概念
HTTP 缓存的基本思想是在客户端建立一个资源的缓存池( 以下简称资源池 ),所有对资源的请求都会优先获取缓存中的信息,以决定是否需要向服务器提出资源请求。
示意图:
查询方式
资源的唯一性是通过 URL 来标记的,因此从资源池中查询资源的关键字就是 URL。如果两个资源有不同的 URL,但它们的内容完全一样,也会被认为是两个不同的资源。
生命周期
由于磁盘存储的空间是有限的,因此,资源池会清除那些“最近最少使用”的资源。
强制缓存
在已缓存的资源未失效( 未过期 )的情况下,不会向服务器发送请求,会直接从资源池中读取资源。
资源未失效示意图:
资源已失效示意图:
缓存规则
对于强制缓存而言,响应头中有两个字段标明了它的缓存规则,一个是 Expires,另一个是 Cache-Control。
Expires
Expires 的值包含具体的日期和时间,是服务器返回的资源到期时间, 即在此时间之前,可以直接从资源池中读取资源,无需再次请求服务器。
例子:
Expires: Wed, 31 Jul 2019 02:58:24 GMT
Cache-Control
Cache-Control 可以被用于请求和响应头中,组合使用多种指令来指定缓存机制。下面列举了比较常用的指令:
- private:资源只可以被客户端缓存,Cache-Control 的默认值。
- public:资源可以被客户端和代理服务器缓存。
- max-age=t :客户端缓存的资源将在 t 秒后失效。
- no-cache:需要使用对比缓存来验证资源( 下面会详细介绍 )。
- no-store:不缓存任何资源。
private 和 public 的区别在于是否允许中间节点( 即代理服务器 )进行资源缓存,如果 Cache-Control 值设置为 public:
客户端 <--> 代理服务器 <--> 服务器
中间的代理服务器可以缓存资源,如果下一次再请求同一资源,代理服务器就可以直接把自己缓存的资源返回给客户端,而无需再请求服务器。但如果 Cache-Control 值设置为 private,表明资源只能被当前用户在客户端缓存,属于私有缓存,不能作为共享缓存( 代理服务器缓存的资源可以共享 )。
例子:
Cache-Control: max-age=31536000
例子中,Cache-Control 仅指定了 max-age,所以默认为 private,缓存时间为 31536000 秒( 365天 )。也就是说,在 365 天内再次请求该资源时,都会直接使用资源池中的资源。
Expires 与 Cache-Control 同时出现
Expires 属于 HTTP/1.0 的产物,而 Cache-Control 属于 HTTP/1.1 的产物,如果服务器同时设置了 Expires 与 Cache-Control,那么以更先进的 Cache-Control 为准。在某些不支持 HTTP/1.1 的环境中,Expires 才能发挥作用,现阶段只是一种兼任性的写法。
强制缓存的弊端
强制缓存的判定标准,主要依据来自于是否超出某个时间或者某个时间段,而不关心服务器端资源是否已经更新,这可能会导致加载的资源早已不是服务器端最新的内容。
对比缓存( 协商缓存 )
针对强制缓存的弊端,对比缓存需要进行资源比对来判断是否可以使用缓存。
客户端第一次请求资源时,服务器会将缓存标识与资源一起返回给客户端,客户端将二者备份至资源池中。当再次请求相同资源时( 此时,强制缓存期限已到,缓存资源还在 ),客户端将备份的缓存标识发送给服务器,服务器根据缓存标识进行验证,如果验证结果为未更新,服务器会返回 304 状态码,通知客户端可以继续使用缓存资源。
有一点需要特别注意:对比缓存的优先级低于强制缓存,因此只有在强制缓存失效后,客户端才会携带缓存标识向服务器发起请求。
资源未更新示意图:
资源已更新示意图:
缓存规则
不同于强制缓存,对比缓存最重要的是缓存标识的传递。缓存标识在请求头和响应头之间进行传递,具体方式可以分为以下两组:
Last-Modified / If-Modified-Since
当我们第一次发出请求时,Last-Modified 由服务器返回,通知客户端,该资源的最后修改时间。当我们再次请求该资源时,If-Modified-Since 由客户端发送,其保存了 Last-Modified 的值。服务器收到请求后,将 If-Modified-Since 的值与被请求资源的最后修改时间进行比对。若资源的最后修改时间大于 If-Modified-Since 的值,说明资源被修改过,则返回状态码 200 以及最新资源;若资源的最后修改时间小于或等于 If-Modified-Since 的值,说明资源无修改,则返回状态码 304,通知客户端继续使用缓存资源。
例子:
//第二次发出请求时,请求头内容
If-Modified-Since: Mon, 23 Jul 2018 08:29:29 GMT
//第二次发出请求时,响应头内容
Last-Modified: Mon, 23 Jul 2018 08:29:29 GMT
//此时,状态码应该为:
Status Code: 304 Not Modified
ETag / If-None-Match
当我们第一次发出请求时,ETag 由服务器返回,其值为该资源的标签。当我们再次请求该资源时,If-None-Match 由客户端发送,其保存了 ETag 的值。服务器收到请求后,将 If-None-Match 的值与被请求资源的标签进行比对。若资源的标签不等于 If-None-Match 的值,说明资源被修改过,则返回状态码 200 以及最新资源;若资源的标签等于 If-None-Match 的值,说明资源无修改,则返回状态码 304,通知客户端继续使用缓存资源。
ETag / If-None-Match 组合的优先级高于 Last-Modified / If-Modified-Since 组合。
例子:
//第二次发出请求时,请求头内容
If-None-Match: W/"5ce-164c641f628"
//第二次发出请求时,响应头内容
ETag: W/"5ce-164c641f628"
//此时,状态码应该为:
Status Code: 304 Not Modified
应用缓存机制
结合以上强制缓存和对比缓存的内容,我们可以大概绘制一份浏览器使用缓存的流程图:
如有错误,欢迎指正,本人不胜感激。
作者:为爱心太软
链接:https://www.imooc.com/article/288760
来源:慕课网
本文首次发布于慕课网 ,转载请注明出处,谢谢合作
HTTP协议详解
https://mp.weixin.qq.com/s/Skyh7KRbbu6jrdO4pUCJDQ
爬虫又称网络爬虫,所以在讲解爬虫之前,我们有必要了解一下什么是网络?网络是由若干节点和连接这些节点的链路构成,然后网络与网络之间所串连成的庞大网络叫做互联网,而我们今天要讲的HTTP(HyperText Transfer Protocol 超文本传输协议)是互联网上应用最为广泛的一种网络协议,它是由万维网协会(World Wide Web Consortium)制定发布。
文章主要以一次HTTP请求的整个过程来讲解(DNS解析不讲):HTTP起源、TCP/IP协议、建立TCP连接、客户端请求、服务端响应、断开TCP连接,文章最后还捎带讲了与HTTP相关知识。文章较长,建议收藏或转发后阅读!
一、简介
1. 起源
今天我们能够在网络中畅游,都得益于一位计算机科学家蒂姆·伯纳斯·李的构想。1991年8月6日,蒂姆·伯纳斯·李在位于欧洲粒子物理研究所(CERN)的NeXT计算机上,正式公开运行世界上第一个Web网站(http://info.cern.ch ),建立起基本的互联网基础概念和技术体系,由此开启了网络信息时代的序幕。
伯纳斯·李的提案包含了网络的基本概念并逐步建立了所有必要的工具:
-
提出HTTP (Hypertext Transfer Protocol) 超文本传输协议,允许用户通过单击超链接访问资源;
-
提出使用HTML超文本标记语言(Hypertext Markup Language)作为创建网页的标准;
-
创建了统一资源定位器URL (Uniform Resource Locator)作为网站地址系统,就是沿用至今的http://www URL格式;
-
创建第一个Web浏览器,称为万维网浏览器,这也是一个Web编辑器;
-
创建第一个Web服务器(http://info.cern.ch)以及描述项目本身的第一个Web页面。
2. 特点
HTTP 协议一共有五大特点:
-
支持客户/服务器模式。
-
简单快速:客户向服务器请求服务时,只需传送请求方法和路径。
-
灵活:HTTP允许传输任意类型的数据对象。正在传输的类型由Content-Type(Content-Type是HTTP包中用来表示内容类型的标识)加以标记。
-
无连接:无连接的含义是限制每次连接只处理一个请求。服务器处理完客户的请求,并收到客户的应答后,即断开连接。采用这种方式可以节省传输时间。
-
无状态:无状态是指协议对于事务处理没有记忆能力,服务器不知道客户端是什么状态。即我们给服务器发送 HTTP 请求之后,服务器根据请求,会给我们发送数据过来,但是,发送完,不会记录任何信息(Cookie和Session孕育而生,后期再讲)。
二、TCP/IP协议
我们经常听到一句话就是:HTTP是一个基于TCP/IP协议簇来传递数据。
如何理解上面那句话?我们来看看TCP/IP四层模型就明白了。
从上图我们可以清晰的看到HTTP使用的传输层协议为TCP协议,而网络层使用的是IP协议(当然还使用了很多其他协议),所以说HTTP是一个基于TCP/IP协议簇来传递数据。
同样我们可以看到ping走的ICMP协议,这也就是为什么有时候我们开vps可以上网,但是ping google却ping不通的原因,因为走的是不同的协议。
那TCP/IP协议簇大致是如何工作的,我们再来看看下图:
我们可以看到在数据发送端是一层一层封装数据,数据接收端一层一层拆封,最后应用层获得数据。
三、建立TCP连接
我们知道了TCP/IP协议簇大致的工作原理之后,我们来看看HTTP是如何建立连接的。
1.TCP包头信息
前面咱们讲过HTTP是一个基于TCP/IP协议簇来传递数据,所以这HTTP建立连接也就是建立TCP连接,TCP如何建立连接,一起来看看TCP包信息结构吧。
TCP报文包=TCP头信息+TCP数据体,而在TCP头信息中包含了6种控制位(上图红色框中),这六种标志位就代表着TCP连接的状态:
URG:紧急数据(urgent data)—这是一条紧急信息
ACK:确认已收到
PSH:提示接收端应用程序应该立即从tcp接受缓冲区中读走数据
RST:表示要求对方重新建立连接
SYN:表示请求建立一个连接
FIN:表示通知对方本端要关闭连接了
2.建立连接过程
了解了TCP包头信息之后,我们就可以正式看看TCP建立连接的三次握手了。
三次握手讲解:
-
客户端发送位码为syn=1,随机产生seq number=1234567的数据包到服务器,服务器由SYN=1知道客户端要求建立联机(客户端:我要连接你)
-
服务器收到请求后要确认联机信息,向A发送ack number=(客户端的seq+1),syn=1,ack=1,随机产生seq=7654321的包(服务器:好的,你来连吧)
-
客户端收到后检查ack number是否正确,即第一次发送的seq number+1,以及位码ack是否为1,若正确,客户端会再发送ack number=(服务器的seq+1),ack=1,服务器收到后确认seq值与ack=1则连接建立成功。(客户端:好的,我来了)
面试官:为什么http建立连接需要三次握手,不是两次或四次
答:三次是最少的安全次数,两次不安全,四次浪费资源
四、客户端请求
客户端与服务器连接上了之后,客户端就可以开始向服务器请求资源,就可以开始发送HTTP请求了。
1.HTTP请求报文结构
我们之前说过TCP报文包=TCP头信息+TCP数据体,TCP头信息我们已经讲了,现在来讲TCP数据体,也就是我们的HTTP请求报文。
2.HTTP请求实例
来看看实际的HTTP请求例子:
①是请求方法,HTTP/1.1 定义的请求方法有8种:GET、POST、PUT、DELETE、PATCH、HEAD、OPTIONS、TRACE,最常的两种GET和POST,如果是RESTful接口的话一般会用到GET、POST、DELETE、PUT
②为请求对应的URL地址,它和报文头的Host属性组成完整的请求URL
③是协议名称及版本号
④是HTTP的报文头,报文头包含若干个属性,格式为“属性名:属性值”,服务端据此获取客户端的信息
⑤是报文体,它将一个页面表单中的组件值通过
param1=value1¶m2=value2的键值对形式编码成一个格式化串,它承载多个请求参数的数据。不但报文体可以传递请求参数,请求URL也可以通过类似于
“/chapter15/user.html? param1=value1¶m2=value2”的方式传递请求参数。
请求头参数非常多,我就不一一说明,只说明两个低级的反扒参数:
-
User-Agent:客户端使用的操作系统和浏览器的名称和版本,有些网站会限制请求浏览器
-
Referer:先前网页的地址,表示此请求来自哪里,有些网站会限制请求来源
五、服务端响应
服务器在收到客户端请求处理完需要响应并返回给客户端,而HTTP响应报文结构与请求结构体一致。
1.HTTP响应报文结构
2.HTTP响应实例
3.响应状态码
响应报文中我们重点关注下:服务器的响应状态码,面试也很容易问到,下面只列出分类,详细状态码自行上网查找了解。
六、断开连接
在服务器响应完毕后,一次会话就结束了,请问这时候连接会断开吗?
1.长短连接
是否断开我们需要区分HTTP版本:
-
在HTTP/1.0版本的时候,客户端与服务器完成一个请求/响应之后,会将之前建立的TCP连接断开,下次请求的时候又要重新建立TCP连接,这也被称为短连接
-
在HTTP1.0发布仅半年后(1997年1月) ,HTTP/1.1版本发布并带来一个新的功能:在客户端与服务器完成一次请求/响应之后,允许不断开TCP连接,这意味着下次请求就直接使用这个TCP连接而不再需要重新握手建立新连接,这也被称为长连接
注意:长连接是指一次TCP连接允许多次HTTP会话,HTTP永远都是一次请求/响应,会话结束,HTTP本身不存在长连接之说。
早在1999年HTTP1.1就推广普及,所以现在浏览器在请求时请求头中都会携带一个参数:Connection:keep-alive,这表示浏览器要求与服务器建立长连接,而服务器也可以设置是否愿意建立长连接。
2.长连接优缺点
对于服务器来说建立长连接有优点也有缺点:
-
优点:当网站中有大量静态资源(图片、css、js等)就可以开启长连接,这也几张图片就可以通过一次TCP连接发送。
-
缺点:当客户端请求一次时候不在请求,而服务器却开着长连接资源被占用着,这是严重浪费资源。
所以是否开启长连接,长连接时间都需要根据网站自身来合理设置。
ps:大家不要小看这一个TCP连接,在一次客户端HTTP完整的请求中(DNS寻址、建立TCP连接、请求、等待、解析网页、断开TCP连接)建立TCP连接占用的时间比还是很大的。
3.断开连接过程
在建立TCP连接时是三次握手,而断开TCP连接是四次挥手!
在前面讲TCP/IP协议时我们说过标志位:FIN表示通知对方本端要关闭连接了,**那断开连接为何需要四次挥手呢?**这里给大家的课后作业,可以在留言中给出你的理解,看看是否正确。
七、题外话
1.面试必考题:http三次握手、四次挥手
面试官:为何建立连接需要三次握手而关闭连接却需要四次挥手。给大家的课后作业,在留言中给出你的见解!
2.http2.0
HTTP/1.1已经为我们服务了20年,而HTTP/2.0其实在2015就发布了,但是还没有推广开来,关于HTTP/2.0新特性大家也可以去网上查阅相关资料
3.http&rpc
因为http响应慢、请求头体积大等缺点,所以在微服务时代,大家都使用rpc来调用服务,rpc相关概念感兴趣同学自行网上学习。
4.http&https
http还有两个很大的缺点就是明文且不能保证完整性,所以目前会渐渐被HTTPS代替。