TCP 协议深度剖析

TCP/IP 协议族

TCP/IP（Transmission Control Protocol/Internet Protocol）传输控制协议/因特网互联协议，而 TCP/IP 协议族指的是 TCP/IP 的四层模型下的相关协议：

TCP/IP 也详细说明了各层的数据转换，在定义标准时也将实现过程规范了：

上图中用户发送数据在应用层开始逐层传递，传输层和网络层是 OS 内核会帮我们处理数据的封装和解析，在每一层都会添加传输相关的头信息用于数据识别和校验，最终通过网卡数据链路往外推数据，经过路由转发到目标，再从数据链路往上层解析数据到上层。

在网络传输过程中每一层的数据都有对应的信息单位：

• 包：各层数据单位都可以说明为包

• 消息：应用层的信息单位

• 段：传输层的信息单位

• 片：网络层的信息单位

• 帧：专指数据链路层的信息单位

MAC、IP、端口及子网地址寻址问题

MAC

MAC 地址是网卡厂商用于标识网卡设备的编号，或者说是一个网络设备的相关标识。

它在数据链路层在数据帧包发送传输时会将 MAC 地址带到数据帧包。一台计算机一般会有多个网络设备，网卡、wifi 等都是网络设备，所以查看系统可能会有多个 MAC 地址出现：

网卡的主要功能有：

• 数据的封装与解封装

• 链路管理

• 数据编码与译码

每一个网卡（网络设备）都有一个被称为 MAC 地址的独一无二的 48 位串行号，所以一般情况下 MAC 地址是唯一的。

MAC 地址的长度为 48 位（6 个字节），通常表示为 12 个 16 进制数，如：00-16-EA-AE-3C-40 就是一个 MAC 地址，其中前 3 个字节 16 进制数 00-16-EA 代表网络硬件制造商的编号，它由 IEEE（电气与电子工程师协会）分配，而后 3 个字节 16 进制数 AE-3C-40 代表该制造商所制造的某个网络产品（如网卡）的序列号。

IP

IP 地址是一个 32 位的二进制数，通常被分割为 4 个 8 位二进制数（也就是 4 个字节），IP 是位于网络层，可以理解为 IP 是当前计算机使用的名称，主要用于路由寻址时使用。

IP 地址通常用 “点分十进制” 的形式（a.b.c.d），其中 a、b、c、d 都是 0-255 之间的十进制整数。例如 IP 地址 100.4.5.6，实际上是 32 位二进制数 01100100.00000100.00000101.00000110。

端口

端口分围虚拟端口和物理端口。

• 虚拟端口：指计算机内部或交换机路由器内的端口，不可见，是特指 TCP/IP 协议中的端口

• 物理端口：也称为接口，是可见端口，计算机背板的 RJ45 网口等

端口类型也分为周知端口（Well Known Ports）、注册端口（Registered Ports）和动态/私有端口（Dynamic Ports / Private Ports）。

其中周知端口范围从 0-1023，它们紧密绑定于一些特定的服务。例如 80 端口分配给 www 服务，21 端口分配给 FTP 服务，23 端口分配给 Telnet 服务等。

很多人把 pid 和端口混淆，pid 是内核对进程分配的一个编号，用于系统内核对进程的识别；端口是进程对外的名字，即外面的数据要推到进程，需要先找到对外的端口假设为 8888，然后再根据这个端口 8888 找到 pid。这才是端口的实际意义。

网络寻址过程

路由寻址过程：

• 路由器会存储当前子网下的所有 IP-MAC，路由器维护着一个映射表也称为路由表，计算机的网络设备连接上路由时就会注册到路由表

• 当计算机要发送数据包给另一台计算机时，数据包在链路当中会有 MAC 信息，路由在分发时可以让网络设备识别是否是自己的 MAC

• 路由的分发直接以广播形式，所有注册到路由表中的子网网络设备会接收到数据包，但是网卡会识别数据包是否是当前 MAC 地址所需的信息，如果不是则会丢弃数据包

后续找到对应 MAC 地址的网络设备后，数据再进行解析后要给到哪个进程，就会通过端口例如 8888 再找到 pid 然后将数据给到对应进程。

因为路由是以广播的方式分发给已经注册到路由表的网络设备，所以一些网络嗅探抓包工具的工作原理例如 WireShark、Charles 等其实就是在路由分发时如果不是对应的 MAC 地址，不会丢弃数据包而是收集。

小结

简单总结下 MAC 地址、IP、端口和网络寻址。

• MAC 地址是分配给每个网络设备的唯一编号，一台计算机可能会有多个网络设备，例如网卡、无线 wifi、蓝牙、NFC 等都属于网络设备

• IP 可以简单理解为是用于标识机器的名称，这会在路由寻址时结合 MAC 地址注册到路由表，因为路由只通过 MAC 地址是不能实现寻址

• pid 和端口不要混淆，pid 是内核对进程分配的一个编号，用于系统内核对进程的识别；端口是进程对外的名字，即外面的数据要给数据到进程，需要先找到对外的端口假设为 8888，然后再根据这个 8888 找到 pid

• 网络寻址提到了路由寻址的过程，路由实际上没有寻址功能，而是将数据包通过广播的方式广播给每个注册到路由表的网络设备，数据包是对应 MAC 地址的网卡会接收数据，否则会丢弃数据

TCP 协议特性

TCP 协议是传输层协议，主要的作用就是做校验并保证数据完整性。TCP 协议是面向连接、可靠的、全双工的协议。

1、面向连接

面向连接需要实现端到端也就是一对一通信，相比 UDP 不需要面向连接的目的是为了一对多。

2、可靠性

TCP 可靠性是怎么保证的？

可以考虑一种场景：如果传递的数据过大比如有 1 GB，是否是一次性传输到位？

我们都清楚不是一次性就传输完，所以在处理过程中会对数据进行拆分处理，数据的拆分是在网络层进行分片操作，但是数据拆分后会有各种复杂网络状况出现，可能对方网络带宽拉满了，或者传输过程中丢包了。

所以 TCP 为了保证可靠性采用了两种方案：超时重传（RTO）和往返时延（RTT）。

• 超时重传：如果超过对应时间对数据进行重传，但是超时时间不能固定，超时时间不好界定

• 往返时延：对超时重传方案的一种补充，一个数据包从当前端发送到对端，需要收到对端应答，这中间所损耗的时间会进行记录，每收到一个应答包则更新时间

3、全双工

全双工的意思是发送方和接收方都能做好数据接收的准备工作。它是 TCP 建立连接的前提，达成全双工也是三次握手的核心目的。

TCP 三次握手

在说明 TCP 三次握手前需要简单罗列下讲解时需要了解的报文含义：

• SYN：可以将它理解为是一个标志位，表示是否已经建立连接。SYN=0 表示没有连接，SYN=1 表示已经我这边已经准备好 fd 做好了数据接收的准备

• FIN：表示没有数据要发送

• seq：如果是客户端发给服务端，seq 是用来给服务端识别是哪个客户端发送的报文，反之就是给客户端识别服务端。一般是一个随机的数据，并且 在网络处理中 seq 是一个累加的过程，比如客户端发送数据给服务端，seq 此时就会变动，seq 也能作为是否是有效连接（请求连接没有过期或超时）判断的依据

• ACK：应答报文，表示已经知道了对方刚才发的报文

• ack：告诉对方我确实知道了是哪个客户端/服务端告知的我，所以 ack 是在对方的 seq 基础上累加数值

下图是 TCP 三次握手图解：

• 第一次握手：客户端主动准备好了 fd 后，发送 SYN=1 给服务端，表示客户端已经做好了数据接收的准备，并且报文 seq=2222 让服务端在后续和客户端连接时能识别是指定的客户端

• 第二次握手：服务端在接受到客户端发的 SYN=1，seq=2222 报文后，也开始准备 fd，然后发送 SYN=1 表示也做好了数据接收准备，报文 seq=6666 让客户端在后续和服务端连接时能识别指定服务端；ACK=1 表示服务端已经知道客户端刚才发的 SYN=1，seq=2222，知道客户端有 fd 数据接收能力了，同时为了验证应答，服务端把客户端的 seq=2222 提出来 +1 作为 ack=2223 一起返回给客户端做验证

• 第三次握手：客户端在收到服务端的应答后，还需要再发送一次 ACK=1，ack=6667 告知服务端已经知道你的应答并且把你的 seq=6666 提出来 +1 作为 ack=6667 一起返回让你做校验

三次握手的核心目的在于建立连接，而建立连接的前提是要求全双工，全双工的意思是发送方和接收方都能做好数据接收的准备工作。

在了解了 TCP 三次握手的流程后，就可以回答 TCP 常见的问题。

为什么要三次握手，而不是两次？

[1] 为了防止无效连接

三次握手时，在网络拥堵等情况下，第一次握手的 SYN 包迟迟没能发送到服务端，那么客户端会连续发送 SYN 建立连接的报文，就可能会出现旧的 SYN 报文比最新的 SYN 报文早到达服务端。

服务端收到 SYN 报文后会应答一个 SYN+ACK 报文给客户端；假设是两次握手，服务端就不能判断是否是旧的还是最新的 SYN 报文请求的建立连接，客户端有请求连接的报文都响应，但客户端并不需要，导致错误。如下图：

所以如果是三次握手，客户端收到服务端的响应报文后，就可以根据自身上下文判断这是一个历史连接（seq 序列号过期或超时），客户端就会发送 RST 报文给服务端，中止这一次连接。

[2] 避免资源浪费

当客户端的 SYN 请求连接在网络中阻塞，客户端没有服务端收到 ACK 报文，就会重新发送 SYN。如果只有两次握手，服务端不清楚客户端是否收到了自己发送的建立连接的 ACK 确认信号，所以 每收到一个 SYN 就只能先主动建立一个连接创建 fd，就会出现建立多个冗余无效的连接，造成资源浪费。

TCP 四次挥手

• 第一次挥手：客户端先将 fd close，但此时并没有释放（因为此时服务端可能还在发数据给客户端），而是发送一个报文给服务端 FIN=1, seq=98765 告知已经没有数据发送给你了

• 第二次挥手：服务端接收到客户端的消息后，服务端会应答 ACK=1, ack=98766 给客户端，表示已经收到了你的 FIN 报文，把你的 seq 提出来 +1 也一同发给你做校验

• 第三次挥手：等到服务端把发给客户端的数据都发完了，服务端主动再发一次消息 FIN=1, seq=12345，表示我这边也没东西给你了，客户端此时处于 TIME_WAITING 状态

• 第四次挥手：等客户端响应发回 ACK=1，seq=12346，服务端就处于 CLOSED 状态，此时服务端释放 fd 资源，客户端也会在 2 MSL 时间后再释放 fd 资源

按正常来讲，客户端没有数据发给服务端，服务端也没有数据发给客户端，客户端的 fd 是可以销毁释放的，但实际上客户端的 fd 是做了延迟的释放，官方定义为 2 MSL。

MSL 报文网络最长存活时间，官方定义为 2 分钟，但是一般 OS 实现定义为 30s，TIME_WAITING 一般时间为 1-4 分钟

1、客户端为什么要有 TIME_WAITING 状态延迟释放 fd？

在第四次挥手客户端处在 TIME_WAITING 状态要响应服务端，服务端这条消息是有可能因为网络原因没有收到，服务端是有可能让你将这条消息重传。所以如果此时客户端在收到第三次挥手后不是处在 TIME_WAITING 状态延迟将 fd 释放，而是直接进入 CLOSED 状态释放了 fd，那么重传就不能实现，服务端也就不会释放 fd。

2、为什么要四次挥手？

实际上四次挥手并不是绝对的，在常规的抓包中存在一种现象：ACK=1，ack=98766 和 FIN=1，seq=12345 是在一条报文发过来的。四次挥手是 TCP 协议的标准，但实际业务可以不是四次，也可以是三次挥手。