Http学习

网络基础 TCP/`IP

为了理解 HTTP，我们有必要事先了解一下 TCP/IP 协议族。
通常使用的网络（包括互联网）是在 TCP/IP 协议族的基础上运作
的。而 HTTP 属于它内部的一个子集。

网络基础 TCP/IP

计算机与网络设备要相互通信，双方就必须基于相同的方法。比如，
如何探测到通信目标、由哪一边先发起通信、使用哪种语言进行通
信、怎样结束通信等规则都需要事先确定。不同的硬件、操作系统之
间的通信，所有的这一切都需要一种规则。而我们就把这种规则称为
协议（protocol）。

TCP/IP 的分层管理

TCP/IP 协议族里重要的一点就是分层。TCP/IP 协议族按层次分别分
为以下 4 层：应用层、传输层、网络层和数据链路层。

应用层：

应用层决定了向用户提供应用服务时通信的活动。
TCP/IP 协议族内预存了各类通用的应用服务。比如，FTP（File
Transfer Protocol，文件传输协议）和 DNS（Domain Name System，域
名系统）服务就是其中两类。
HTTP 协议也处于该层。

传输层

传输层对上层应用层，提供处于网络连接中的两台计算机之间的数据
传输。
在传输层有两个性质不同的协议：TCP（Transmission Control
Protocol，传输控制协议）和 UDP（User Data Protocol，用户数据报
协议）。

网络层（又名网络互连层）
网络层用来处理在网络上流动的数据包。数据包是网络传输的最小数
据单位。该层规定了通过怎样的路径（所谓的传输路线）到达对方计
算机，并把数据包传送给对方。
与对方计算机之间通过多台计算机或网络设备进行传输时，网络层所
起的作用就是在众多的选项内选择一条传输路线。

链路层（又名数据链路层，网络接口层）
用来处理连接网络的硬件部分。包括控制操作系统、硬件的设备驱
动、NIC（Network Interface Card，网络适配器，即网卡），及光纤等
物理可见部分（还包括连接器等一切传输媒介）。硬件上的范畴均在
链路层的作用范围之内。

　TCP/IP 通信传输流

• 利用 TCP/IP 协议族进行网络通信时，会通过分层顺序与对方进行通
  信。发送端从应用层往下走，接收端则往应用层往上走。
• 我们用 HTTP 举例来说明，首先作为发送端的客户端在应用层
  （HTTP 协议）发出一个想看某个 Web 页面的 HTTP 请求。
  接着，为了传输方便，在传输层（TCP 协议）把从应用层处收到的数
  据（HTTP 请求报文）进行分割，并在各个报文上打上标记序号及端
  口号后转发给网络层。
• 在网络层（IP 协议），增加作为通信目的地的 MAC 地址后转发给链
  路层。这样一来，发往网络的通信请求就准备齐全了。
• 接收端的服务器在链路层接收到数据，按序往上层发送，一直到应用
  层。当传输到应用层，才能算真正接收到由客户端发送过来的 HTTP
  请求。

与 HTTP 关系密切的协议 : IP、TCP 和 DNS

负责传输的 IP 协议

Protocol 这个名称可能听起来有点夸张，但事实正是如此，因为几乎
所有使用网络的系统都会用到 IP 协议。TCP/IP 协议族中的 IP 指的就
是网际协议，协议名称中占据了一半位置，其重要性可见一斑。可能
有人会把“IP”和“IP 地址”搞混，“IP”其实是一种协议的名称。

确保可靠性的 TCP 协议

为了准确无误地将数据送达目标处，TCP 协议采用了三次握手
（three-way handshaking）策略。用 TCP 协议把数据包送出去后，TCP
不会对传送后的情况置之不理，它一定会向对方确认是否成功送达。

握手过程中使用了 TCP 的标志（flag） —— SYN（synchronize） 和
ACK（acknowledgement）。
发送端首先发送一个带 SYN 标志的数据包给对方。接收端收到后，
回传一个带有 SYN/ACK 标志的数据包以示传达确认信息。最后，发
送端再回传一个带 ACK 标志的数据包，代表“握手”结束。

负责域名解析的 DNS 服务

DNS（Domain Name System）服务是和 HTTP 协议一样位于应用层的
协议。它提供域名到 IP 地址之间的解析服务。

各种协议与 HTTP 协议的关系

学习了和 HTTP 协议密不可分的 TCP/IP 协议族中的各种协议后，我
们再通过这张图来了解下 IP 协议、TCP 协议和 DNS 服务在使用
HTTP 协议的通信过程中各自发挥了哪些作用。

各种协议与 HTTP 协议的关系

　URI 和 URL

统一资源标识符
URI 是 Uniform Resource Identifier 的缩写

Uniform
规定统一的格式可方便处理多种不同类型的资源，而不用根据上下文
环境来识别资源指定的访问方式。另外，加入新增的协议方案（如
http: 或 ftp:）也更容易。

Resource

资源的定义是“可标识的任何东西”。除了文档文件、图像或服务（例
如当天的天气预报）等能够区别于其他类型的，全都可作为资源。另
外，资源不仅可以是单一的，也可以是多数的集合体。

Identifier

表示可标识的对象。也称为标识符。

URI 用字符串标识某一互联网资源，而 URL 表示资源的地点（互联
网上所处的位置）。可见 URL 是 URI 的子集。

URI 格式

• 使用 http: 或 https: 等协议方案名获取访问资源时要指定协议类型。不
  区分字母大小写，最后附一个冒号（:）。
  也可使用 data: 或 javascript: 这类指定数据或脚本程序的方案名。
  登录信息（认证）
• 指定用户名和密码作为从服务器端获取资源时必要的登录信息（身份
  认证）。此项是可选项。
  服务器地址
• 使用绝对 URI 必须指定待访问的服务器地址。地址可以是类似
  hackr.jp 这种 DNS 可解析的名称，或是 192.168.1.1 这类 IPv4 地址
  名，还可以是 [0:0:0:0:0:0:0:1] 这样用方括号括起来的 IPv6 地址名。

　简单的 HTTP 协议

　HTTP 协议用于客户端和服务器端之间的通信

HTTP 协议和 TCP/IP 协议族内的其他众多的协议相同，用于客户端和
服务器之间的通信。
请求访问文本或图像等资源的一端称为客户端，而提供资源响应的一
端称为服务器端。

请求必定由客户端发出，而服务器端回复响应

HTTP 协议规定，请求从客户端发出，最后服务器端响应该请求并返
回。换句话说，肯定是先从客户端开始建立通信的，服务器端在没有
接收到请求之前不会发送响应。

请求报文
GET /index.htm HTTP/1.1
Host: hackr.jp

起始行开头的GET表示请求访问服务器的类型，称为方法
（method）。随后的字符串 /index.htm 指明了请求访问的资源对象，
也叫做请求 URI（request-URI）。最后的 HTTP/1.1，即 HTTP 的版本
号，用来提示客户端使用的 HTTP 协议功能。
综合来看，这段请求内容的意思是：请求访问某台 HTTP 服务器上的
/index.htm 页面资源。
请求报文是由请求方法、请求 URI、协议版本、可选的请求首部字段
和内容实体构成的。

请求首部字段及内容实体稍后会作详细说明。接下来，我们继续讲
解。接收到请求的服务器，会将请求内容的处理结果以响应的形式返
回。

在起始行开头的 HTTP/1.1 表示服务器对应的 HTTP 版本。
紧挨着的 200 OK 表示请求的处理结果的状态码（status code）和原因
短语（reason-phrase）。下一行显示了创建响应的日期时间，是首部
字段（header field）内的一个属性。
接着以一空行分隔，之后的内容称为资源实体的主体（entity
body）。
响应报文基本上由协议版本、状态码（表示请求成功或失败的数字代
码）、用以解释状态码的原因短语、可选的响应首部字段以及实体主
体构成。稍后我们会对这些内容进行详细说明。

HTTP 是不保存状态的协议

HTTP 是一种不保存状态，即无状态（stateless）协议。HTTP 协议自
身不对请求和响应之间的通信状态进行保存。也就是说在 HTTP 这个
级别，协议对于发送过的请求或响应都不做持久化处理。

HTTP 协议自身不具备保存之前发送过的请求或响应的功能

使用 HTTP 协议，每当有新的请求发送时，就会有对应的新响应产
生。协议本身并不保留之前一切的请求或响应报文的信息。这是为了
更快地处理大量事务，确保协议的可伸缩性，而特意把 HTTP 协议设
计成如此简单的。

HTTP/1.1 虽然是无状态协议，但为了实现期望的保持状态功能，于
是引入了 Cookie 技术。有了 Cookie 再用 HTTP 协议通信，就可以管
理状态了。有关 Cookie 的详细内容稍后讲解。

请求 URI 定位资源

告知服务器意图的 HTTP 方法

GET ：获取资源
GET 方法用来请求访问已被 URI 识别的资源。指定的资源经服务器
端解析后返回响应内容。也就是说，如果请求的资源是文本，那就保
持原样返回；如果是像 CGI（Common Gateway Interface，通用网关接
口）那样的程序，则返回经过执行后的输出结果。

POST：传输实体主体
POST 方法用来传输实体的主体。
虽然用 GET 方法也可以传输实体的主体，但一般不用 GET 方法进行
传输，而是用 POST 方法。虽说 POST 的功能与 GET 很相似，但
POST 的主要目的并不是获取响应的主体内容。

持久连接节省通信量

HTTP 协议的初始版本中，每进行一次 HTTP 通信就要断开一次 TCP
连接.

比如，使用浏览器浏览一个包含多张图片的 HTML 页面时，在发送
请求访问 HTML 页面资源的同时，也会请求该 HTML 页面里包含的
其他资源。因此，每次的请求都会造成无谓的 TCP 连接建立和断
开，增加通信量的开销。

　持久连接

为解决上述 TCP 连接的问题，HTTP/1.1 和一部分的 HTTP/1.0 想出了
持久连接（HTTP Persistent Connections，也称为 HTTP keep-alive 或
HTTP connection reuse）的方法。持久连接的特点是，只要任意一端
没有明确提出断开连接，则保持 TCP 连接状态

持久连接旨在建立 1 次 TCP 连接后进行多次请求和响应的交
互
持久连接的好处在于减少了 TCP 连接的重复建立和断开所造成的额
外开销，减轻了服务器端的负载。另外，减少开销的那部分时间，使
HTTP 请求和响应能够更早地结束，这样 Web 页面的显示速度也就相
应提高了。
在 HTTP/1.1 中，所有的连接默认都是持久连接，但在 HTTP/1.0 内并
未标准化。虽然有一部分服务器通过非标准的手段实现了持久连接，
但服务器端不一定能够支持持久连接。毫无疑问，除了服务器端，客
户端也需要支持持久连接。

管线化

持久连接使得多数请求以管线化（pipelining）方式发送成为可能。从
前发送请求后需等待并收到响应，才能发送下一个请求。管线化技术
出现后，不用等待响应亦可直接发送下一个请求。

这样就能够做到同时并行发送多个请求，而不需要一个接一个地等待
响应了。

使用 Cookie 的状态管理

HTTP 是无状态协议，它不对之前发生过的请求和响应的状态进行管
理。也就是说，无法根据之前的状态进行本次的请求处理。

假设要求登录认证的 Web 页面本身无法进行状态的管理（不记录已
登录的状态），那么每次跳转新页面不是要再次登录，就是要在每次
请求报文中附加参数来管理登录状态。

不可否认，无状态协议当然也有它的优点。由于不必保存状态，自然
可减少服务器的 CPU 及内存资源的消耗。从另一侧面来说，也正是
因为 HTTP 协议本身是非常简单的，所以才会被应用在各种场景里。

保留无状态协议这个特征的同时又要解决类似的矛盾问题，于是引入
了 Cookie 技术。Cookie 技术通过在请求和响应报文中写入 Cookie 信
息来控制客户端的状态。

• 没有Cookie信息状态的请求

  • 存有cookie状态的请求

  

代码实现如下：

1. 请求报文（没有cookie信息）
   GET /reader/ HTTP/1.1
   Host: hackr.jp
   首部字段内没有Cookie的相关信息

2响应报文（服务器端生成 Cookie 信息）

HTTP/1.1 200 OK
Date: Thu, 12 Jul 2012 07:12:20 GMT
Server: Apache
＜Set-Cookie: sid=1342077140226724; path=/; expires=Wed,
10-Oct-12 07:12:20 GMT＞
Content-Type: text/plain; charset=UTF-8

1. 请求报文（自动发送保存着的 Cookie 信息）

   GET /image/ HTTP/1.1
   Host: hackr.jp
   Cookie: sid=1342077140226724