UNP 学习笔记 2：socket 编程简介

单个地址结构体

• 一个 TCP 套接字是用一对 ip:port 的四元组构成的，我们使用结构体保存一个 ip:port， 这个结构体是 sockaddr_in 和 sockaddr_in6.
• 对于数据链路层的套接字，这个结构体是 sockaddr_dl, 地址则是和 (ip:port) 相呼应的链路层地址。
• 我们为了支援所有结构体，提供通用的 connect 和 socket 函数调用，历史由于没有 void* (前 ANSI C 时期)，所有的函数调用都带有第三个参数，which is 用来传结构体的 size，以用于 copyin 操作。为了传参还设计了 sockaddr 结构体，主要指定了 16 bytes 的通用结构体大小，主要是支援各种非网际套接字（比如 sockaddr_x25）。
• 但是后来出了 ipv6，我们都知道 ipv6 地址是128bit 的，所以原来的结构体又用不了了，则又弄了一个 sockaddr_storage. 还有一个点是他们（4.3BSD）给结构体加了一个长度字段，但是 POSIX 并没有给idin，所以在我用的 Ubuntu 的 in.h 并没有定义这个字段（而 family 字段还是用的 short 即纯 8bytes），当然可以接受因为本来你为了兼容也没办法去掉 connect 等函数的第三个参数了，添加这个 8bytes 实际更加浪费，不如算了。
• 值-结果参数用于内核填写结构体时溢出检查，如 getpeername 的最后一个参数，这个参数是用引用传递的，传进去的时候把长度信息告诉内核写的最大尺寸，而内核要把实际写了多少同样通过这个参数的内存传回来。这和 write read 那些的模式好像，但是他们是 return 了写了多少，只是风格不同，而且可能返回值要用来指示状态！

大端小端

• 大端小端会反映在 union 上，结构体上，以及各种超过 1byte 的类型上。
• 不同主机使用的字节序是不一样的，这就需要标准化了，网络上直接指定是大端序，这样数据到达和人看到书写印刷是一样的（高位先行）。
• host to net 、net to host ， short、long 系列函数，定义仍然在 in.h，htons，ntohl，使用 uintXX_t. 进一步标准，所以要规定 short 为 uint16，而 long 为 uint32，which 符合 ILP32 和 S16。
• 这样一来，我们看到的位序就是高位从 0 编址，即前面说的符合人看到的书写印刷的顺序，实际基带传输的时候就是高位（这里位编号为0）先行.

strings 兼容函数

• bzero - memset
• bcopy - memmove，这里搞笑的是一个是 src，dst，一个是 dst，src
• bcmp - memcmp 比较整个字符串（应该是 O(n)）

inet 地址转换函数

• 字符串是人眼大端没问题，但是我们都知道字符串和实际用 uint8 表示数字是不一样的，所以需要转换。（这下 leetcode 了）
• 这些转换定义在 arpa/inet.h 中，arpa 是一开始的 arpanet，美国国防部高级研究计划局网络。inet 是互联网了属于是，美国政府，赢！
• 实际就是点分字符串转 byte 而已，ipv4 的是 32位地址，我们用 in_addr_t 来 alias uint32.
• 不要使用 inet_addr, 而使用 inet_aton 和 inet_aton, a 的意思可能是 ascii 字符串，n 是 net。而且注意对于 ntoa 来说 The string is returned in a statically allocated buffer, which subsequent calls will overwrite. 所以如果要用必须进行复制。这个也不是线程安全的很容易理解。
• 支援 v4 v6 使用 inet_pton 和 inet_ntop. 我不知道 p 是什么意思。不过他们也不是通用的，他们很搞笑的需要用 family 来指定进行 v4 还是 v6 转换，为此 UNP 自己写了一套 sock_ntop 等函数，这些函数在源码的 lib 下面，我们之后也沿用他们好了。如果要在项目里用就要具备编译链接知识了，虽然读了编译链接和库，但是还是很模糊的印象了属于。

循环读写

• read 或者 write（non-blocking）的时候会有提前返回不是错误但是任务未完成的情况，所以常常需要 wrap 一个 while loop 在外面，block 的 write 不会有这种情况。不过实际我们可能会使用 不block 的write，所以统一包装了 writen 和 readn，当然，read 真的没得 read 的时候，我们就真的返回就行了（which means 一个循环里 read 的确返回了 0）。
• 区分没得 read 和暂时的 syscall 不 block 返回的标记是 errno 和返回值，如果是 EINTR 且 -1 就是读的过程中触发了中断，如果返回 n 小于我们要求读的，应该就是 EAGAIN errno，直接迭代循环就行了 ，如果 read 返回 -1 且不是 interrupt 就是出事了，此时我们也返回 -1. read 返回 0 则意味着没得读了， EOF 了。

文本行读写与缓冲区

• 因为很多协议都是基于文本行的，比如 HTTP，SMTP，和 PTP 的控制连接协议，我们之前说了 TCP 这个东西必须要应用层自己搞一套分装机制，很容易的方案是用\r\n，谁也的确被用着。
• finger 服务，这个是一个古早的服务，我觉得有必要知道他是个啥，他实际上是用来给其他用户查询本机的用户信息的，在早期的UNIX系统上，很多学生，研究人员利用finger服务来公开自己的某些特定信息，以便进行交流。比如有些研究人员用其公开自己的课题研究情况，有些老师公开一些课程时间安排。还有的主机播报球赛的情况，有的发布一些当前地震活动的信息。不过，finger服务更多的用处的是公开某人的特定信息。在七十年代中期，卡内基-梅窿大学计算机系安装了一台可口可乐机，后来这个系扩大，从这个机房分出一些程序员到不同楼层的办公室。他们常常走了很远，来到那台机器旁才发现没有可口可乐。或者同样糟糕，他们发现在机器中有可口可乐，但时间不够，还是热的。 他们的解决办法是:在机器中安装开关，以判断可得到多少瓶碳酸饮料，并跟踪还需多长时间每瓶饮料才冷却。为了让人们远距离检查这台机器，设立了一个专用Finger服务器。当你Finger一个专用的用户标识(coke)，它将显示这台coke机器容量的状态。（什么美帝美好生活！），现代网络规模和安全考虑都不用公网地址了，NAT 的存在，别人是无法打进来的。（什么小班教学）。
• 前面实现了 readn 和 writen，但是readline 不是一个循环就能实现的（要判断换行符），我们知道每 read 一个 byte 都会引发 trap 和 context switch，which is painfully slow，所以必须构建缓冲区等待换行符，随后返回一行数据给上层。一种实现思路就是去处理 read 一次读一个缓冲区大小，这里就涉及处理各种可能性了。很麻烦，我们直接用 unp 写好的吧。但是还有一个问题是由于存在缓冲区的问题，读了 readline 之后再 readn，效果不如预期是必然的，我们必须统一缓冲区的访问，这样要求改写 readn，但是我们可以不交叉使用这两种函数，从而达到效果。不用 stdio 可能涉及其他的问题，因为缓冲区是不可见的无法提前辨别恶意请求。（什么 defensive programing，只是OS、CSAPP之后第三次看到这个词） 。