互联网协议入门-笔记（day1）

本文是整理记录阮一峰原作者的博客的内容，自我学习记录使用

• 我们每天使用互联网，你是否想过，它是如何实现的？
• 全世界几十亿台电脑，连接在一起，两两通信。上海的某一块网卡送出信号，洛杉矶的另一块网卡居然就收到了，两者实际上根本不知道对方的物理位置，你不觉得这是很神奇的事情吗？
• 互联网的核心是一系列协议，总称为"互联网协议"（Internet Protocol Suite）。它们对电脑如何连接和组网，做出了详尽的规定。理解了这些协议，就理解了互联网的原理。

一、概述

1.1互联网的五层模型

互联网的实现，分为好几层，每一层都有自己的功能，就像建筑物一样，每一层都有下一层的支持。用户接触到的，只是最上面的一层，根本没有感觉到下面的层，要理解互联网，必须从最下层开始自下而上的理解每一层的功能；
如何分层有不同的模型，有的模型分七层，有的分四层。我觉得把互联网分为五层，比较容易理解；

如上图，最底下的一层叫做“实体层（Physical Layer）”，最上面的叫“应用层（Application Layer）”，中间的三层自下而上分别为“链接层（Link Layer）”、“网络层（Network Layer）”和“传输层（Transport Layer）”；越下面的层越靠近硬件，越上面的层越靠近用户；
他们叫什么名字其实并不重要，重要的是你知道互联网分为若干层就可以了；

1.2层与协议

每一层都是为了完成某一种功能，为了实现这些功能，就需要大家都遵守共同的规则；大家都遵守的规则，就叫做“协议（protocol）”
互联网的每一层，都定义了很多协议。这些协议的总称，就叫做“互联网协议（Internet Protocol）”，它们是互联网的核心，下面介绍每一层的功能主要是介绍每一层的主要协议；

实体层

我们从最底下一层开始，电脑要组网，第一件事要干什么？当然是先把电脑连起来，可以用光缆，电缆、双绞线、无线电波等方式；

这就是“实体层”，它就是把电脑连起来的物理手段，主要规定了网络的一些电气特性，作用是负责传输0和1的电信号；

链接层

1.定义

单纯的0和1没有任何意义，必须规定解读方式；多少个电信号算一组？每个信号位有何意义？这就是“链接层”的功能，它是“实体层的上方”，确定了0和1的分组方式；

2.以太网协议

早期的时候，每家公司都有自己的电信号分组方式。逐渐的，一种叫做“以太网”的协议，占据了主导地位；
以太网规定，一组电信号构成一个数据包，叫做“帧（Frame）”。每一帧分为两个部分：标头（head）和数据（Data）；

标头”包含数据包的一些说明项，比如发送者、接受者、数据类型等等；”数据”则是数据包的具体内容。
“标头”的长度，固定为18字节。”数据”的长度，最短为46字节，最长为1500字节。因此，整个”帧”最短为64字节，最长为1518字节。如果数据很长，就必须分割成多个帧进行发送。

3.MAC地址

上面提到，以太网数据包的“标头”包含了发送者和接受者的信息，那么发送者和接受者是如何标识呢？
以太网规定，连入网络的所有设备，都必须具有“网卡”接口，数据包必须是从一块网卡，传送到另外一开网卡，网卡的地址，就是数据包的发送地址和接受地址，这就是MAC地址；

每块网卡出厂的时候，都有一个全世界独一无二的MAC地址，长度是48个二进制，通常用12个十六进制数表示；

前6个十六进制数是厂商编号，后六个是该厂商的网卡流水号，有了MAC地址，就可以定位网卡和数据包的路径了；

4.广播

定义地址只是第一步，后面还有更多步骤：
首先，一块网卡怎么会知道另一块网卡的MAC地址？
回答是有一种ARP协议，可以解决这个问题，这个留到后面介绍，这里只需要知道，以太网数据包必须知道接收方的MAC地址，然后才能发送；
其次，就算有了MAC地址，系统怎么样才能把数据包准确的发送到接收方；
回答是以太网采用了一种很“原始”的方式，它不是把数据包准确的送到接收方，而是向本网络内所有的计算机发送，让每台计算机自己判断，是否为接受方；

上图中，1号计算机向2号计算机发送一个数据包，同一个自网络下的3、4、5号计算机都会受到这个包，它们读取这个包的“标头”，找到接受放的MAC地址，然后和自身的MAC地址做比较，如果相同，则接受这个包，如果不同，就丢弃这个包，这种发送方式就叫做“广播”；，有了数据包的定义，网卡的MAC地址，广播的发送方式，“链接层”就可以在多台计算机之间传送了；

网络层

1.网络层的由来

以太网协议，依靠MAC地址发送数据，单单依靠MAC地址，上海的网卡就可以找到洛杉矶的网卡了，技术上是可以实现的；
但是，这样做有一个重大的缺点。以太网采用广播方式发送数据包，所有成员人手一“包”，不仅效率低，而且局限在发送者所在的子网络。也就是说，如果两台计算机不在同一个子网络，广播是传不过去的。这种设计是合理的，否则互联网上每一台计算机都会收到所有包，那将是灾难；
互联网是无数子网络共同组成的一个巨型网络，很难想象上海和洛杉矶的电脑会在一个子网络，这几乎是不可能的；

因此，必须找到一种方式，能够区分哪些MAC地址属于同一个子网络，哪些不是。如果是同一个子网络就采用广播形式发送，否则就采用“路由”方式发送。（“路由”是指如何向不同的子网络发送数据包，这是一个很大的主题，附链接：路由是什么？），遗憾的是，MAC地址本身无法做到这一点，它只与厂商有关，与所处网络无关；
这就导致了“网络层”的诞生。它的作用是引进一套新的地址，使得我们能够区分不同的计算机是否属于同一个子网络，这套地址就叫做“网络地址”，简称“网址”；
于是，“网络层”出现以后，每台计算机有了两种地址，一种是MAC地址，另一种是网络地址；两种地址之间没有任何联系，MAC地址是绑定在网卡上的，网址则是管理员分配的，他们只是随机的组合在一起；
网络地址帮助我们确定计算机所在的子网络，MAC地址则将数据包发送到到该子网络的目标网卡，因此，从逻辑上判断，必定是先处理网络地址，然后再处理MAC地址；

2.IP协议

规定网络地址的协议，就叫做“IP协议”，被称为IP地址；
目前，广泛的采用IP协议的第四版，简称IPv4，这个版本规定，网络地址由32个二级制位组成。

习惯上，我们用分成四段的十进制表示IP地址，从0.0.0.0一直到255.225.255.255。
互联网上的每一台计算机，都会分配到一个IP地址，这个地址分成两个部分，前一部分代表网络，后一部分代表主机；比如：IP地址172.16.254.1，这是一个32位的地址，假如它的网络部分是前24位：172.16.254，那么主机部分就是后八位（最后的那个1）；处于同一子网络下的电脑，他们IP地址的网络部分必定是相同的，也就是说172.16.254.2应该与172.16.254.1处于同一个子网络；
但是，问题在于，单单从IP地址，我们无法判断那部分是网络部分，以172.16.254.1为例，他的网络部分到底是前24位还是前16位，甚至前28位，从IP地址上是看不出来的；那么，怎么才能从IP地址上判断两台计算机是否属于同一个网络呢？这就要用到另外一个参数“子网掩码（subnet mask）”；
所谓“子网掩码”就是表示子网络特征的一个参数，他在形式上等同于IP地址，也是一个32位的二进制数字，他的网络部分全部为1，主机部分全部为0.比如，IP地址172.16.254.1，如果已知网络部分是前24诶，主机部分是后8位，那么子网掩码就是11111111.11111111.11111111.00000000，写成十进制就是255.255.255.0；
知道了“子网掩码”，我们就能判断任意两个IP地址是否处在同一个子网络。方法是将两个IP地址与子网掩码分别进行AND运算（两个位数都为1，运算结果为1，否则为0），然后比较结果是否相同，如果是的话，就表明它们在同一个子网络中，否则就不是；
比如，已知IP地址172.16.254.1和172.16.254.233的子网掩码都是255.255.255.0，请问它们是否在同一个子网络？两者与子网掩码分别进行AND运算，结果都是172.16.254.0（网络标识相同），因此他们在同一个子网络；
插一段AND运算解释：
把IP和子网掩码的每位数AND。
AND方法：0和1＝0 0和0＝0 1和1＝1
如：AND 192.168.0.1，255.255.255.0，先转换为二进制，然后AND每一位
IP：11000000.10101000.00000000.00000001
子网掩码：11111111.11111111.11111111.00000000
得出AND结果：11000000.10101000.00000000.00000000
转换为十进制192.168.0.0，这就是网络标识；
判断网络标识是否相同，就知道两个IP地址是否处于同一子网络

总结下，IP协议的作用有两个，一个是为每台计算机分配一个IP地址，另一个是确定哪些地址在同一个子网络下；

3.IP数据包

根据IP协议发送的数据，就叫做IP数据包，不难想象，几种必定包括IP地址信息；
但是前面说过，以太网数据包只包括MAC地址，并没有IP地址的栏位，那么是否需要修改数据定义，再添加一个栏位呢？
回答是不需要，我们可以把IP数据包直接放到以太网的“数据”部分，因此完全不用修改以太网的规格。这就是互联网分层的好处：上层的变动完全不会涉及下层的结构；
具体来说，IP数据包也分为“标头”和“数据”两个部分；

“标头”部分主要包括版本、长度、IP地址等信息，“数据”部分则是IP数据包的具体内容。他放进以太网数据包后，以太网数据包就变成了下面这样；

IP数据包的“标头”部分长度为20到60字节，整个数据包的总长度最大为65,535字节。因此，理论上一个IP数据包的“数据”部分，最长为65,515字节，前面说过，以太网数据包的“数据”部分，最长只有1500字节，因此，如果IP数据包超过了1500字节，他就需要分割成几个以太网数据包，分别发送了；

4.APR协议

关于“网络层”，还有最后一点说明：
因为IP数据包是放在以太网数据包里发送的，所以我们必须同时知道两个地址，一个是对方的MAC地址，另一个是是对方的IP地址，通常情况下，对方的IP地址是已知的（后文会解释），但是我们不知道对方的MAC地址，所以，我们需要一种机制，能够从IP地址获取MAC地址；
这里分为两种情况：
第一种：如果两台主机不在同一个子网络，那么事实上没有办法得到对方的MAC地址，只能把数据传送给两个子网络连接处的“网关（gateway）”，让网关处理。
第二种：如果两台主机在同一个子网络，那那么我们可以用ARP协议得到对方的MAC地址。ARP协议也是发出一个数据包（包含在以太网数据包中），其中包含它所要查询主机的IP地址，在对方的MAC地址这一栏，填的是FF:FF:FF:FF:FF:FF,表示这四一个“广播”地址。他所在的子网络的每一台主机都会收到这个数据包，从中取出IP地址，与自身的IP地址进行比较。如果两者相同，就做出回复，向对方报告自己的MAC地址，否则就丢弃这个包；
总之，有了ARP协议之后，我们就可以得到同一个子网络内的主机MAC地址，可以把数据包发送到任意一台主机上了；

传输层

1.传输层的由来

有了MAC地址和IP地址，我们已经可以在互联网上任意两台主机上建立通信；
接下来的问题是：同一台主机上有许多程序都需要用到网络，比如，你一边浏览网页，一边与朋友在线聊天。当一个数据包从互联网上发过来的时候，你怎么知道，这个数据包表示的是网页的内容还是在线聊天的内容？
也就是说，我们还需要一个参数，表示这个数据包到底供那个程序（进程）使用，这个参数就叫做“端口（port）”，它其实是每个使用网卡的程序的编号。每个数据包都发到主机的特定端口，所以不同的程序就能取得自己所需要的数据。
“端口”是0到65535之间的一个整数，正好个二进制位。0到1023的端口被系统占用，用户只能选用大于1023的端口。不管是浏览器还是在线聊天，应用程序会随机选用一个端口，然后与服务器的相应端口联系；
“传输层”的功能，就是建立“端口到端口”的通信。相比之下，“网络层”的功能是建立“主机到主机”的通信。只要确定主机和端口，我们就能实现程序之间的交流；因此，Unix系统就把主机+端口叫做“套接字（socket）”有了它，就可以进行网络应用程序开发了。

2.UDP协议

现在，我们必须在数据包中加入端口信息，这就需要新的协议，最简单的实现叫做UDP协议，它的格式几乎就是在数据前面加上端口号；
UDP数据包：也是由“标头”和“数据”两部分组成；

“标头”部分主要定义了发出端口和接收端口，“数据”部分就是具体的内容。然后，把整个UDP数据包放入IP数据包的“数据”部分，而前面说过，IP数据包又是放在以太网数据包之中，所以整个以太网数据包就变成了下面这样：

UDP数据包非常简单，“标头”部分一共只有8个字节，总长度不超过65535字节，正好放进一个IP数据包；

3.TCP协议

UDP协议的优点是比较简单，容易实现，但是缺点是可靠性较差，一数据包发出，无法知道对方是否收到；
为了解决这个问题，提高网络可靠性，TCP协议就诞生了，这个协议非常复杂，但是可以近似认为，它就是有确认机制的UDP协议，每发出一个数据包就要求确认。如果有一个数据包遗失，就收不到确认，发出方就知道有必要重发这个数据包了；因此，TCP协议能够确保数据不会遗失。它的缺点是过程复杂、实现困难、消耗较多的资源；
TCP数据包和UDP数据包一样，都是内嵌在IP数据包的“数据”部分。TCP数据包没有长度限制，理论上可以无限长，但是为了保证网络的效率，通常TCP数据包的长度不会超过IP数据包的长度，以确保单个TCP数据包不必再分割；

应用层

应用程序收到“传输层”的数据，接下来就要解读。由于互联网的开放架构，数据来源五花八门，必须事先规定好格式，否则根本无法解读。
“应用层”的作用，就是规定应用程序的数据格式；
举例说明，TCP协议可以为各种各样的程序传递数据，比如Email、WWW、FTP等等，那么，必须有不同的协议规定电子邮件、网页、FTP数据的格式，这些应用程序协议就构成了“应用层”。
这是最高的一层，直接面对用户。他的数据就放在TCP数据包的“数据”部分。因此，现在以太网的数据包就变成现在这样：

至此，整个互联网的五层结构，自下而上全部介绍完毕，这是从系统的角度解释互联网是如何构成的，下一篇，将从用户的角度，自上而下看看这个结构是如何发挥作用，完成一次网络数据交换的；