《图解 HTTP》 阅读摘要(上）

这本 HTTP 方面的小册子还蛮不错，已经二刷了 😜

这次做了一些笔记，方便自己和其他人翻阅和复习，因为这本书是 2014 年出的初版，所以有一些不怎么常用的技术，笔记中就省略了，只记一些比较常用的 ~

如果希望获取本书的 PDF 资源，可以关注文末二维码加微信群找群主要～

1. 了解 Web 及网络基础

1.1 网络基础 TCP/IP

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，而 HTTP 属于它内部的一个子集。

按层次分为以下 4 层：应用层、传输层、网络层和数据链路层。

1. 应用层： 决定了向用户提供应用服务时通信的活动，比如 FTP、DNS、HTTP
2. 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，比如 TCP、UDP
3. 网络层： 用来处理在网络上流动的数据包，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。
4. 数据链路层： 用来处理连接网络的硬件部分

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。

以 HTTP 为例，一次通信的过程

1. 首先作为发送端的客户端在应用层（HTTP 协议）发出获取 Web 页面的 HTTP 请求
2. 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。
3. 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
4. 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）。

1.2 三次握手

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。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。

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。

1.3 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。

1.4 各协议与 HTTP 协议的关系

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。

1.5 URI 和 URL

了解一下 URI 的各部分

1. 协议方案名： 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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）。但在 RFC 中并没有明确规定其使用方法。该项也为可选项

2. 简单的 HTTP 协议

2.1 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。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。

HTTP1.1 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。

2.2 告知服务器意图的 HTTP 方法

1. GET 获取资源： 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。 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。
2. POST 传输实体主体： 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。
3. PUT 传输文件： 在请求报文的主体中包含文件内容，然后保存到请求 URI 指定的位置 鉴于 HTTP1.1 的 PUT 方法自身不带验证机制，任何人都可以上传文件，存在安全性问题，因此一般的 Web 网站不使用该方法。
4. HEAD 获得报文首部： 和 GET 方法一样，只是不返回报文主体部分。 用于确认 URI 的有效性及资源更新的日期时间等。
5. DELETE 删除文件： 用来删除文件，是与 PUT 相反的方法。DELETE 方法按请求 URI 删除指定的资源。 HTTP1.1 的 DELETE 方法本身和 PUT 方法一样不带验证机制，所以一般的 Web 网站也不使用 DELETE 方法。
6. OPTIONS 询问支持的方法： 用来查询针对请求 URI 指定的资源支持的方法。
7. TRACE 追踪路径： 让 Web 服务器端将之前的请求通信环回给客户端的方法。 发送请求时，在 Max-Forwards 首部字段中填入数值，每经过一个服务器端就将该数字减 1，当数值刚好减到 0 时，就停止继续传输，最后接收到请求的服务器端则返回状态码 200 OK 的响应。 但 TRACE 方法本来就不怎么常用，再加上它容易引发 XST（Cross-Site Tracing，跨站追踪）攻击，通常就更不会用到了。
8. CONNECT 要求用隧道协议连接代理： 要求在与代理服务器通信时建立隧道，实现用隧道协议进行 TCP 通信。 主要使用 SSL（Secure Sockets Layer，安全套接层）和 TLS（Transport Layer Security，传输层安全）协议把通信内容加密后经网络隧道传输。

LINK 和 UNLINK 已被 HTTP1.1 废弃，不再支持。

2.3 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。

持久链接 keep-alive

HTTP1.1 和一部分的 HTTP1.0 想出了持久连接（keep-alive）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 HTTP1.1 中，所有的连接默认都是持久连接，但在 HTTP1.0 内并未标准化。

管线化 pipelining

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。

用持久连接可以让请求更快结束。而管线化技术则比持久连接还要快。请求数越多，时间差就越明显。

2.4 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。

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。Cookie 会根据从服务器端发送的响应报文内的一个叫做 Set-Cookie 的首部字段信息，通知客户端保存 Cookie。当下次客户端再往该服务器发送请求时，客户端会自动在请求报文中加入 Cookie 值后发送出去。

3. HTTP 报文内的 HTTP 信息

3.1 编码提升传输速率

HTTP 可以在传输过程中通过编码提升传输速率。

3.2 压缩传输的内容编码

内容编码指明应用在实体内容上的编码格式，并保持实体信息原样压缩。

常用的内容编码有：gzip（GNU zip）、compress（UNIX 系统的标准压缩）deflate（zlib）、identity（不进行编码）

3.3 分割发送的分块传输编码

在 HTTP 通信过程中，请求的编码实体资源尚未全部传输完成之前，浏览器无法显示请求页面。在传输大容量数据时，通过把数据分割成多块，能够让浏览器逐步显示页面。

这种把实体主体分块的功能称为分块传输编码（Chunked Transfer Coding）。

分块传输编码会将实体主体分成多个部分（块）。每一块都会用十六进制来标记块的大小，而实体主体的最后一块会使用“0(CR+LF)”来标记。

使用分块传输编码的实体主体会由接收的客户端负责解码，恢复到编码前的实体主体。

3.4 发送多种数据的多部分对象集合

在 HTTP 报文中使用多部分对象集合时，需要在首部字段里加上 Content-type：

1. multipart/form-data： 在 Web 表单文件上传时使用。
2. multipart/byteranges： 状态码 206（Partial Content，部分内容）响应报文包含了多个范围的内容时使用。

3.5 获取部分内容的范围请求

如果下载过程中遇到网络中断的情况，那就必须重头开始。为了解决上述问题，需要一种可恢复的机制。所谓恢复是指能从之前下载中断处恢复下载。

要实现该功能需要指定下载的实体范围，指定范围发送的请求叫做范围请求（Range Request）。针对范围请求，响应会返回状态码 206。

比如：

1. 5001~10 000 字节：Range: bytes=5001-10000
2. 从 5001 字节之后全部的：Range: bytes=5001-
3. 从一开始到 3000 字节和 5000~7000 字节的多重范围：Range: bytes=-3000, 5000-7000




3.6 内容协商返回最合适的内容

内容协商机制是指客户端和服务器端就响应的资源内容进行交涉，然后提供给客户端最为适合的资源。内容协商会以响应资源的语言、字符集、编码方式等作为判断的基准。

包含在请求报文中的某些首部字段（如下）就是判断的基准：Accept、Accept-Charset、Accept-Encoding、Accept-Language、Content-Language

有以下几种类型：

1. 服务器驱动协商： 以请求的首部字段为参考，在服务器端自动处理。但对用户来说，以浏览器发送的信息作为判定的依据，并不一定能筛选出最优内容。
2. 客户端驱动协商： 用户从浏览器显示的可选项列表中手动选择。还可以利用 JavaScript 脚本在 Web 页面上自动进行上述选择。比如按 OS 的类型或浏览器类型，自行切换成 PC 版页面或手机版页面。
3. 透明协商： 是服务器驱动和客户端驱动的结合体，是由服务器端和客户端各自进行内容协商的一种方法。

4. 返回结果的 HTTP 状态码

状态码的职责是当客户端向服务器端发送请求时，描述返回的请求结果。借助状态码，用户可以知道服务器端是正常处理了请求，还是出现了错误。

4.1 状态码告知从服务器端返回的请求结果

数字中的第一位指定了响应类别，后两位无分类

4.2 2xx 成功

请求被正常处理了。

1. 200 OK： 表示从客户端发来的请求在服务器端被正常处理了
2. 204 No Content： 表示服务器接收的请求已成功处理，但在返回的响应报文中不含实体的主体部分。另外，也不允许返回任何实体的主体。比如，当从浏览器发出请求处理后，返回 204 响应，那么浏览器显示的页面不发生更新。一般在只需要从客户端往服务器发送信息，而对客户端不需要发送新信息内容的情况下使用。
3. 206 Partial Content： 表示客户端进行了范围请求，而服务器成功执行了这部分的 GET 请求。响应报文中包含由 Content-Range 指定范围的实体内容。

4.3 3XX 重定向

浏览器需要执行某些特殊的处理以正确处理请求。

1. 301 Moved Permanently： 永久性重定向。该状态码表示请求的资源已被分配了新的 URI，以后应使用资源现在所指的 URI。也就是说，如果已经把资源对应的 URI 保存为书签了，这时应该按 Location 首部字段提示的 URI 重新保存。
2. 302 Found： 临时性重定向。该状态码表示请求的资源已被分配了新的 URI，希望用户（本次）能使用新的 URI 访问。已移动的资源对应的 URI 将来还有可能发生改变。
3. 303 See Other： 表示由于请求对应的资源存在着另一个 URI，应使用 GET 方法定向获取请求的资源。303 和 302 有着相同的功能，但 303 状态码明确表示客户端应当采用 GET 方法获取资源，这点与 302 状态码有区别。
4. 304 Not Modified： 客户端发送 GET 方法的请求头中包含 If-Match、If-Modified-Since、If-None-Match、If-Range、If-Unmodified-Since 中任一首部时，服务器端允许请求访问资源，但未满足条件的情况。304 状态码返回时，不包含任何响应的主体部分。304 虽然被划分在 3XX 类别中，但是和重定向没有关系。
5. 307 Temporary Redirect： 临时重定向，与 302 Found 有着相同的含义。

4.4 4XX 客户端错误

客户端发生了错误。

1. 400 Bad Request： 表示请求报文中存在语法错误。当错误发生时，需修改请求的内容后再次发送请求。另外，浏览器会像 200 一样对待该状态码。
2. 401 Unauthorized： 表示发送的请求需要有通过 HTTP 认证的认证信息。若之前已进行过一次请求，则表示用户认证失败。返回含有 401 的响应必须包含一个适用于被请求资源的 WWW-Authenticate 首部用以质询用户信息。当浏览器初次接收到 401 响应，会弹出认证用的对话窗口。
3. 403 Forbidden： 对请求资源的访问被服务器拒绝了。服务器端没有必要给出拒绝的详细理由，但如果想作说明的话，可以在实体的主体部分对原因进行描述，这样就能让用户看到了。比如未获得文件系统的访问授权、访问权限出现某些问题等情景。
4. 404 Not Found： 服务器上无法找到请求的资源。除此之外，也可以在服务器端拒绝请求且不想说明理由时使用。

4.5 5XX 服务器错误

服务器本身发生错误。

1. 500 Internal Server Error： 服务器端在执行请求时发生了错误，也有可能是 Web 应用存在的 bug 或某些临时的故障。
2. 503 Service Unavailable： 表明服务器暂时处于超负载或正在进行停机维护，现在无法处理请求。如果事先得知解除以上状况需要的时间，最好写入 RetryAfter 首部字段再返回给客户端。