145 lines
11 KiB
Markdown
145 lines
11 KiB
Markdown
|
# 04 | HTTP世界全览（下）：与HTTP相关的各种协议
|
|||
|
|
|
|||
|
|
在上一讲中，我介绍了与HTTP相关的浏览器、服务器、CDN、网络爬虫等应用技术。
|
|||
|
|
|
|||
|
|
今天要讲的则是比较偏向于理论的各种HTTP相关协议，重点是TCP/IP、DNS、URI、HTTPS等，希望能够帮你理清楚它们与HTTP的关系。
|
|||
|
|
|
|||
|
|
同样的，我还是画了一张详细的思维导图，你可以点击后仔细查看。
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
## TCP/IP
|
|||
|
|
|
|||
|
|
TCP/IP协议是目前网络世界“事实上”的标准通信协议，即使你没有用过也一定听说过，因为它太著名了。
|
|||
|
|
|
|||
|
|
TCP/IP协议实际上是一系列网络通信协议的统称，其中最核心的两个协议是**TCP**和**IP**，其他的还有UDP、ICMP、ARP等等，共同构成了一个复杂但有层次的协议栈。
|
|||
|
|
|
|||
|
|
这个协议栈有四层，最上层是“应用层”，最下层是“链接层”，TCP和IP则在中间：**TCP属于“传输层”，IP属于“网际层”**。协议的层级关系模型非常重要，我会在下一讲中再专门讲解，这里先暂时放一放。
|
|||
|
|
|
|||
|
|
**IP协议**是“**I**nternet **P**rotocol”的缩写，主要目的是解决寻址和路由问题，以及如何在两点间传送数据包。IP协议使用“**IP地址**”的概念来定位互联网上的每一台计算机。可以对比一下现实中的电话系统，你拿着的手机相当于互联网上的计算机，而要打电话就必须接入电话网，由通信公司给你分配一个号码，这个号码就相当于IP地址。
|
|||
|
|
|
|||
|
|
现在我们使用的IP协议大多数是v4版，地址是四个用“.”分隔的数字，例如“192.168.0.1”，总共有2^32，大约42亿个可以分配的地址。看上去好像很多，但互联网的快速发展让地址的分配管理很快就“捉襟见肘”。所以，就又出现了v6版，使用8组“:”分隔的数字作为地址，容量扩大了很多，有2^128个，在未来的几十年里应该是足够用了。
|
|||
|
|
|
|||
|
|
**TCP协议**是“**T**ransmission **C**ontrol **P**rotocol”的缩写，意思是“传输控制协议”，它位于IP协议之上，基于IP协议提供可靠的、字节流形式的通信，是HTTP协议得以实现的基础。
|
|||
|
|
|
|||
|
|
“可靠”是指保证数据不丢失，“字节流”是指保证数据完整，所以在TCP协议的两端可以如同操作文件一样访问传输的数据，就像是读写在一个密闭的管道里“流动”的字节。
|
|||
|
|
|
|||
|
|
在[第2讲](https://time.geekbang.org/column/article/98128)时我曾经说过，HTTP是一个"传输协议"，但它不关心寻址、路由、数据完整性等传输细节，而要求这些工作都由下层来处理。因为互联网上最流行的是TCP/IP协议，而它刚好满足HTTP的要求，所以互联网上的HTTP协议就运行在了TCP/IP上，HTTP也就可以更准确地称为“**HTTP over TCP/IP**”。
|
|||
|
|
|
|||
|
|
## DNS
|
|||
|
|
|
|||
|
|
在TCP/IP协议中使用IP地址来标识计算机，数字形式的地址对于计算机来说是方便了，但对于人类来说却既难以记忆又难以输入。
|
|||
|
|
|
|||
|
|
于是“**域名系统**”（**D**omain **N**ame **S**ystem）出现了，用有意义的名字来作为IP地址的等价替代。设想一下，你是愿意记“95.211.80.227”这样枯燥的数字，还是“nginx.org”这样的词组呢？
|
|||
|
|
|
|||
|
|
在DNS中，“域名”（Domain Name）又称为“主机名”（Host），为了更好地标记不同国家或组织的主机，让名字更好记，所以被设计成了一个有层次的结构。
|
|||
|
|
|
|||
|
|
域名用“.”分隔成多个单词，级别从左到右逐级升高，最右边的被称为“顶级域名”。对于顶级域名，可能你随口就能说出几个，例如表示商业公司的“com”、表示教育机构的“edu”，表示国家的“cn”“uk”等，买火车票时的域名还记得吗？是“www.12306.cn”。
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
但想要使用TCP/IP协议来通信仍然要使用IP地址，所以需要把域名做一个转换，“映射”到它的真实IP，这就是所谓的“**域名解析**”。
|
|||
|
|
|
|||
|
|
继续用刚才的打电话做个比喻，你想要打电话给小明，但不知道电话号码，就得在手机里的号码簿里一项一项地找，直到找到小明那一条记录，然后才能查到号码。这里的“小明”就相当于域名，而“电话号码”就相当于IP地址，这个查找的过程就是域名解析。
|
|||
|
|
|
|||
|
|
域名解析的实际操作要比刚才的例子复杂很多，因为互联网上的电脑实在是太多了。目前全世界有13组根DNS服务器，下面再有许多的顶级DNS、权威DNS和更小的本地DNS，逐层递归地实现域名查询。
|
|||
|
|
|
|||
|
|
HTTP协议中并没有明确要求必须使用DNS，但实际上为了方便访问互联网上的Web服务器，通常都会使用DNS来定位或标记主机名，间接地把DNS与HTTP绑在了一起。
|
|||
|
|
|
|||
|
|
## URI/URL
|
|||
|
|
|
|||
|
|
有了TCP/IP和DNS，是不是我们就可以任意访问网络上的资源了呢？
|
|||
|
|
|
|||
|
|
还不行，DNS和IP地址只是标记了互联网上的主机，但主机上有那么多文本、图片、页面，到底要找哪一个呢？就像小明管理了一大堆文档，你怎么告诉他是哪个呢？
|
|||
|
|
|
|||
|
|
所以就出现了URI（**U**niform **R**esource **I**dentifier），中文名称是 **统一资源标识符**，使用它就能够唯一地标记互联网上资源。
|
|||
|
|
|
|||
|
|
URI另一个更常用的表现形式是URL（**U**niform **R**esource **L**ocator）， **统一资源定位符**，也就是我们俗称的“网址”，它实际上是URI的一个子集，不过因为这两者几乎是相同的，差异不大，所以通常不会做严格的区分。
|
|||
|
|
|
|||
|
|
我就拿Nginx网站来举例，看一下URI是什么样子的。
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
http://nginx.org/en/download.html
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
你可以看到，URI主要有三个基本的部分构成：
|
|||
|
|
|
|||
|
|
1. 协议名：即访问该资源应当使用的协议，在这里是“http”；
|
|||
|
|
2. 主机名：即互联网上主机的标记，可以是域名或IP地址，在这里是“nginx.org”；
|
|||
|
|
3. 路径：即资源在主机上的位置，使用“/”分隔多级目录，在这里是“/en/download.html”。
|
|||
|
|
|
|||
|
|
还是用打电话来做比喻，你通过电话簿找到了小明，让他把昨天做好的宣传文案快递过来。那么这个过程中你就完成了一次URI资源访问，“小明”就是“主机名”，“昨天做好的宣传文案”就是“路径”，而“快递”，就是你要访问这个资源的“协议名”。
|
|||
|
|
|
|||
|
|
## HTTPS
|
|||
|
|
|
|||
|
|
在TCP/IP、DNS和URI的“加持”之下，HTTP协议终于可以自由地穿梭在互联网世界里，顺利地访问任意的网页了，真的是“好生快活”。
|
|||
|
|
|
|||
|
|
但且慢，互联网上不仅有“美女”，还有很多的“野兽”。
|
|||
|
|
|
|||
|
|
假设你打电话找小明要一份广告创意，很不幸，电话被商业间谍给窃听了，他立刻动用种种手段偷窃了你的快递，就在你还在等包裹的时候，他抢先发布了这份广告，给你的公司造成了无形或有形的损失。
|
|||
|
|
|
|||
|
|
有没有什么办法能够防止这种情况的发生呢？确实有。你可以使用“加密”的方法，比如这样打电话：
|
|||
|
|
|
|||
|
|
> 你：“喂，小明啊，接下来我们改用火星文通话吧。”
|
|||
|
|
> 小明：“好啊好啊，就用火星文吧。”
|
|||
|
|
> 你：“巴拉巴拉巴拉巴拉……”
|
|||
|
|
> 小明：“巴拉巴拉巴拉巴拉……”
|
|||
|
|
|
|||
|
|
如果你和小明说的火星文只有你们两个才懂，那么即使窃听到了这段谈话，他也不会知道你们到底在说什么，也就无从破坏你们的通话过程。
|
|||
|
|
|
|||
|
|
HTTPS就相当于这个比喻中的“火星文”，它的全称是“**HTTP over SSL/TLS**”，也就是运行在SSL/TLS协议上的HTTP。
|
|||
|
|
|
|||
|
|
注意它的名字，这里是SSL/TLS，而不是TCP/IP，它是一个负责加密通信的安全协议，建立在TCP/IP之上，所以也是个可靠的传输协议，可以被用作HTTP的下层。
|
|||
|
|
|
|||
|
|
因为HTTPS相当于“HTTP+SSL/TLS+TCP/IP”，其中的“HTTP”和“TCP/IP”我们都已经明白了，只要再了解一下SSL/TLS，HTTPS也就能够轻松掌握。
|
|||
|
|
|
|||
|
|
SSL的全称是“**S**ecure **S**ocket **L**ayer”，由网景公司发明，当发展到3.0时被标准化，改名为TLS，即“**T**ransport **L**ayer **S**ecurity”，但由于历史的原因还是有很多人称之为SSL/TLS，或者直接简称为SSL。
|
|||
|
|
|
|||
|
|
SSL使用了许多密码学最先进的研究成果，综合了对称加密、非对称加密、摘要算法、数字签名、数字证书等技术，能够在不安全的环境中为通信的双方创建出一个秘密的、安全的传输通道，为HTTP套上一副坚固的盔甲。
|
|||
|
|
|
|||
|
|
你可以在今后上网时留心看一下浏览器地址栏，如果有一个小锁头标志，那就表明网站启用了安全的HTTPS协议，而URI里的协议名，也从“http”变成了“https”。
|
|||
|
|
|
|||
|
|
## 代理
|
|||
|
|
|
|||
|
|
代理（Proxy）是HTTP协议中请求方和应答方中间的一个环节，作为“中转站”，既可以转发客户端的请求，也可以转发服务器的应答。
|
|||
|
|
|
|||
|
|
代理有很多的种类，常见的有：
|
|||
|
|
|
|||
|
|
1. 匿名代理：完全“隐匿”了被代理的机器，外界看到的只是代理服务器；
|
|||
|
|
2. 透明代理：顾名思义，它在传输过程中是“透明开放”的，外界既知道代理，也知道客户端；
|
|||
|
|
3. 正向代理：靠近客户端，代表客户端向服务器发送请求；
|
|||
|
|
4. 反向代理：靠近服务器端，代表服务器响应客户端的请求；
|
|||
|
|
|
|||
|
|
上一讲提到的CDN，实际上就是一种代理，它代替源站服务器响应客户端的请求，通常扮演着透明代理和反向代理的角色。
|
|||
|
|
|
|||
|
|
由于代理在传输过程中插入了一个“中间层”，所以可以在这个环节做很多有意思的事情，比如：
|
|||
|
|
|
|||
|
|
1. 负载均衡：把访问请求均匀分散到多台机器，实现访问集群化；
|
|||
|
|
2. 内容缓存：暂存上下行的数据，减轻后端的压力；
|
|||
|
|
3. 安全防护：隐匿IP,使用WAF等工具抵御网络攻击，保护被代理的机器；
|
|||
|
|
4. 数据处理：提供压缩、加密等额外的功能。
|
|||
|
|
|
|||
|
|
关于HTTP的代理还有一个特殊的“代理协议”（proxy protocol），它由知名的代理软件HAProxy制订，但并不是RFC标准，我也会在之后的课程里专门讲解。
|
|||
|
|
|
|||
|
|
## 小结
|
|||
|
|
|
|||
|
|
这次我介绍了与HTTP相关的各种协议，在这里简单小结一下今天的内容。
|
|||
|
|
|
|||
|
|
1. TCP/IP是网络世界最常用的协议，HTTP通常运行在TCP/IP提供的可靠传输基础上；
|
|||
|
|
2. DNS域名是IP地址的等价替代，需要用域名解析实现到IP地址的映射；
|
|||
|
|
3. URI是用来标记互联网上资源的一个名字，由“协议名+主机名+路径”构成，俗称URL；
|
|||
|
|
4. HTTPS相当于“HTTP+SSL/TLS+TCP/IP”，为HTTP套了一个安全的外壳；
|
|||
|
|
5. 代理是HTTP传输过程中的“中转站”，可以实现缓存加速、负载均衡等功能。
|
|||
|
|
|
|||
|
|
经过这两讲的学习，相信你应该对HTTP有了一个比较全面的了解，虽然还不是很深入，但已经为后续的学习扫清了障碍。
|
|||
|
|
|
|||
|
|
## 课下作业
|
|||
|
|
|
|||
|
|
1. DNS与URI有什么关系？
|
|||
|
|
2. 在讲**代理**时我特意没有举例说明，你能够用引入一个“小强”的角色，通过打电话来比喻一下吗？
|
|||
|
|
|
|||
|
|
欢迎你通过留言分享答案，与我和其他同学一起讨论。如果你觉得有所收获，欢迎你把文章分享给你的朋友。
|
|||
|
|
|
|||
|
|
|
|||
|
|
|