1. 使用HTTP协议访问Web
根据Web浏览器地址栏中指定的URL,Web浏览器从Web服务器端获取文件资源(resource)等信息,从而显示出Web页面。
像这种通过发送请求获取服务器资源的Web浏览器等,都可称为客户端。
Web使用一种名为HTTP(HyperText Transfer Protocol,超文本传输协议)的协议作为规范,完成从客户端到服务器端等一系列运作流程。而协议是指规则的约定,可以说,Web是建立在HTTP协议上通信的。
2. HTTP协议的诞生
CERN(欧洲核子研究组织)的Tim Berners-Lee博士提出了一种能让远隔两地的研究者们共享知识的设想
最初设想的基本理念是:借助多文档之间相互关联形成的超文本,连成可相互参阅的WWW(World Wide Web,万维网)
现在已经提出了3项WWW构建技术,分别是:
- 把SGML(Standard Generalized Markup Language,标准通用标记语言)作为页面的文本标记语言的HTML(HyperText Markup Language,超文本标记语言);
- 作为文档传递协议的HTTP;
- 指定文档所在地址的URL(Uniform Resource Locator,统一资源定位符)
WWW这一名称,是Web浏览器当年用来浏览文本的客户端应用程序时的名称。现在则用来表示这一系列的集合,也可简称为Web。
3. 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
3.1 TCP/IP协议族
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是互联网相关的各类协议族的总称
协议中存在各式各样的内容。从电缆的规格到IP地址的选定方法、寻找异地用户的方法、双方建立通信的顺序,以及Web页面显示需要处理的步骤,等等。
像这样把互联网相关联的协议集合起来总称为TCP/IP。
3.2 TCP/IP的分层管理
TCP/IP协议里最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。TCP/IP协议族各层的作用如下:
- 应用层
应用层决定了向用户提供服务时通信的活动。
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协议也属于该层。
- 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(又名网络互联层)
网络层用来处理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。
3.3 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协议举例来说明,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以及端口号转发给网络层。
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。
发送端在层与层之间传输数据时,每经过一层时必定会被打上一个该层所属的首部信息。反之,接收端在层与层传输数据时,每经过一层时会把对应的首部消去。
这种把数据信息包装起来的做法称为封装(encapsulate)
4. 与HTTP关系密切的协议:IP、TCP和DNS
4.1 负责传输的IP协议
按层次分,IP(Internet Protocol)网际协议位于网络层。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,可能会有人把IP和IP地址搞混,IP其实是一种协议的名称。
IP协议的作用是把各种数据包传送给对方。而要保证确实送到对方那里,则需要满足各类条件。其中两个重要的条件是IP地址和MAC地址(Media Access Control Address)
IP地址指明了节点被分配到的地址,Mac地址是指网卡所属的固定地址。IP地址可以和MAC地址进行配对。IP地址可以和MAC地址进行配对。IP地址可变换,但MAC地址基本不会更改。
使用ARP协议拼接MAC地址进行通信
IP间的通信依赖MAC地址。在网络上,通信的双方在同一局域网(LAN)内的情况是很少的,通常是经过多台计算机和网络设备中转才能连接到对方。而在进行中转时,会利用下一站中转设备的MAC地址来搜索下一个中转目标。
这时,会采用ARP协议(Address Resolution Protocol)。ARP是一种用以解析地址的协议,根据通信方的IP地址就可以反查出对应的MAC地址。
没有人能够全面掌握互联网中的传输情况
在到达通信目标前的中转过程中,那些计算机和路由器等网络设备只能获悉很粗略的传输路线,这种机制称为路由选择
无论哪台计算机、哪台网络设备,它们都无法全面掌握互联网中的细节
4.2 确保可靠性的TCP协议
按层次分,TCP位于传输层,提供可靠的字节流服务
所谓的字节流服务(Byte Stream Service)是指,为了方便传输,将大块数据分割成以报文段(segment)为单位的数据包进行管理。而可靠的传输服务是指,能够把数据准确可靠地传给对方。
一言以蔽之,TCP协议为了更容易传送大数据才把数据进行分割,而且TCP协议能够确认数据最终是否送达到对方
确保数据能到达目标
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。
若在握手过程中某个阶段莫名中断,TCP协议会再次以相同的顺序发送相同的数据包
除了上述三次握手,TCP协议还有其他各种手段来确保通信的可靠性
5. 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。
计算机既可以被赋予IP地址,也可以被赋予主机名和域名。比如 www.hackr.jp
用户通常使用主机名或域名来访问对方的计算机,而不是直接通过IP地址访问。因为与IP地址的一组纯数字相比,用字母配合数字的表示形式来指定计算机名更符合人类的记忆习惯。
但要让计算机去理解名称,相对而言就变得困难了。因为计算机更擅长处理一长串数字。
为了解决上述的问题,DNS服务应运而生。DNS协议提供通过域名查找IP地址,或逆向从IP地址反查域名的服务。
6. 各种协议与HTTP协议的关系
我们可以通过以下的这张图来了解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。
7. URI和URL
与URI(统一资源标识符)相比,我们更熟悉URL(Uniform Resource Locator,统一资源定位符)。URL正是使用Web浏览器等访问Web页面时需要输入的网页地址
7.1 统一资源标识符
URI是Uniform Resource Identifier的缩写,这三个单词的定义如下:
-
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恶访问方式。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“。不仅是文档文件,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,全部都可作为资源。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。
综上所述,URI就是由某个协议方案表示的资源定位标识符。协议方案是指访问资源所使用的协议类型名称。
采用HTTP协议时,协议方案就是http。除此之外,还有ftp、mailto、telnet、file等。
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就是完整标示这个资源,包括协议、地址、路径、类型等等,URL指的是这个资源的位置,所以说URL是URI的子集)。
7.2 URI格式
表示指定的URI,要使用涵盖全部必要信息的绝对URI、绝对URL以及相对URL。相对URL,是指从浏览器中基本URI处指定的URL,形如/image/logo.gif
先来了解一下绝对URI的格式
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:这列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
-
服务器端口号
指定服务器连接的网络端口号。此项也是可选项,若用户省略则自动使用默认端口号
-
带层次的文件路径
指定服务器上的文件路径来定位特指的资源。这与UNIX系统的文件目录结构相似。
-
查询字符串
针对已指定的文件路径内的资源,可以使用查询字符串传入任意参数,此项可选。
-
片段标识符
使用片段标识符通常可标记出已获取资源中的子资源(文档内的某个位置)。但是在RFC中并没有明确规定其使用方法,该项也为可选项。
并不是所有的应用程序都符合RFC
有一些用来制定HTTP协议技术标准的文档,它们被称为RFC(Requests for Comments,征求修正意见书)
通常,应用程序会遵照由RFC确定的标准实现。可以说,RFC是互联网的设计文档,要是不按照RFC标准执行,就有可能导致无法通信的状况。比如,有一台Web服务器内的应用服务没有遵照RFC的标准实现,那Web浏览器就很可能无法访问这台服务器了。
由于不遵照RFC标准实现就无法进行HTTP协议通信,所以基本上客户端和服务器端都会以RFC为标准来实现HTTP协议。但也存在某些应用程序因客户端或服务器端的不同,而未遵照RFC标准,反而将自成一套的“标准”扩展的情况。
不按RFC标准来实现,当然也不必劳心费力让自己的“标准”符合其他所有的客户端和服务器端。但设想一下,如果这款应用程序的使用者非常多,那会发生什么情况呢?不难想象,其他的客户端或服务器端必然都不得不去配合它。
实际在互联网上,已经实现了HTTP协议的一些服务器端和客户端里就存在上述情况。