256 lines
14 KiB
Markdown
256 lines
14 KiB
Markdown
# 01 | 网络互联的昨天、今天和明天：HTTP 协议的演化
|
||
|
||
你好，我是四火。
|
||
|
||
HTTP 协议是互联网基础中的基础，和很多技术谈具体应用场景不同的是，几乎所有的互联网服务都是它的应用，没有它，互联网的“互联”将无从谈起，因此我们把它作为正式学习的开篇。
|
||
|
||
说到其原理和协议本身，我相信大多数人都能说出个大概来，比如，有哪些常见的方法，常见 HTTP 头，返回码的含义等等。但你是否想过，这个古老而富有生命力的互联网“基石”是怎样发展演化过来的呢？从它身上，我们能否管中窥豹，一叶知秋，找到互联网成长和演进的影子？
|
||
|
||
今天，我想带你从实践的角度，亲身感受下这个过程，相信除了 HTTP 本身，你还可以发现网络协议发展过程中的一些通用和具有共性的东西。
|
||
|
||
|
||
|
||
## HTTP/0.9
|
||
|
||
和很多其它协议一样，1991年，HTTP 在最开始的 0.9 版就定义了协议最核心的内容，虽说从功能上看只是具备了如今内容的一个小小的子集。比如，确定了客户端、服务端的这种基本结构，使用域名/IP 加端口号来确定目标地址的方式，还有换行回车作为基本的分隔符。
|
||
|
||
它非常简单，不支持请求正文，不支持除了 GET 以外的其它方法，不支持头部，甚至没有版本号的显式指定，而且整个请求只有一行，因而也被称为“The One-line Protocol”。比如：
|
||
|
||
```
|
||
GET /target.html
|
||
|
||
```
|
||
|
||
虽说 0.9 版本如今已经极少见到了，但幸运的是 Google 还依然支持（Bing 和 Baidu 不支持）。我们不妨自己动手，实践一下！虽然不能使用浏览器，但别忘了，我们还有一个更古老的工具 telnet。在命令行下建立连接：
|
||
|
||
```
|
||
telnet www.google.com 80
|
||
|
||
```
|
||
|
||
你会看到类似这样的提示：
|
||
|
||
```
|
||
Trying 2607:f8b0:400a:803::2004...
|
||
Connected to www.google.com.
|
||
Escape character is '^]'.
|
||
|
||
```
|
||
|
||
好，现在输入以下请求：
|
||
|
||
```
|
||
GET /
|
||
|
||
```
|
||
|
||
（请注意这里没有版本号，并不代表 HTTP 协议没有版本号，而是 0.9 版本的协议定义的请求中就是不带有版本号，这其实是该版本的一个缺陷）
|
||
|
||
接着，你会看到 Google 把首页 HTML 返回了：
|
||
|
||
```
|
||
HTTP/1.0 200 OK
|
||
...（此处省略多行HTTP 头）
|
||
|
||
...（此处省略正文）
|
||
|
||
```
|
||
|
||
## HTTP/1.0
|
||
|
||
到了1996年，HTTP 1.0 版本就稳定而成熟了，也是如今浏览器广泛支持的最低版本 HTTP 协议。引入了返回码，引入了 header，引入了多字符集，也终于支持多行请求了。
|
||
|
||
当然，它的问题也还有很多，支持的特性也远没有后来的 1.1 版本多样。比如，方法只支持 GET、HEAD、POST 这几个。但是，麻雀虽小五脏俱全，这是第一个具备广泛实际应用价值的协议版本。
|
||
|
||
你一样可以用和前面类似的方法来亲自动手实践一下，不过，HTTP 1.0 因为支持多行文本的请求，单纯使用 telnet 已经无法很好地一次发送它们了，其中一个解决办法就是使用 [netcat](http://netcat.sourceforge.net/)。
|
||
|
||
好，我们先手写一份 HTTP/1.0 的多行请求，并保存到一个文件 request.txt 中：
|
||
|
||
```
|
||
GET / HTTP/1.0
|
||
User-Agent: Mozilla/1.22 (compatible; MSIE 2.0; Windows 3.1)
|
||
Accept: text/html
|
||
|
||
|
||
```
|
||
|
||
（根据协议，无论请求还是响应，在 HTTP 的头部结束后，必须增加一个额外的换行回车，因此上述代码最后这个空行是必须的，如果是 POST 请求，那么通常在这个空行之后会有正文）
|
||
|
||
你看上面的 User-Agent，我写入了一个[假的浏览器和操作系统版本](https://developers.whatismybrowser.com/useragents/parse/2868-internet-explorer-windows-trident)，假装我穿越来自 Window 3.1 的年代，并且用的是 IE 2.0，这样一来，我想不会有人比我更“老”了吧。
|
||
|
||
好，接着用类似的方法，使用 netcat 来发送这个请求：
|
||
|
||
```
|
||
netcat www.google.com 80 < ~/Downloads/request.txt
|
||
|
||
```
|
||
|
||
一样从 Google 收到了成功的报文。
|
||
|
||
不知这样的几次动手是否能给你一个启示：懂一点特定的协议，使用简单的命令行和文本编辑工具，我们就已经可以做很多事情了。比如上面这样改变 UA 头的办法，可以模拟不同的浏览器，就是用来分析浏览器适配（指根据不同浏览器的兼容性返回不同的页面数据）的常用方法。
|
||
|
||
## HTTP/1.1
|
||
|
||
1999 年，著名的 RFC2616，在 1.0 的基础上，大量帮助传输效率提升的特性被加入。
|
||
|
||
你可能知道，从网络协议分层上看， TCP 协议在 HTTP 协议的下方（TCP 是在 OSI 7 层协议的第 4 层，而 HTTP 则是在最高的第 7 层应用层，因此，前者更加“底层”一点）。
|
||
|
||
在 HTTP 1.0 版本时，每一组请求和响应的交互，都要完成一次 TCP 的连接和关闭操作，这在曾经的互联网资源比较贫瘠的时候并没有暴露出多大的问题，但随着互联网的迅速发展，这种通讯模式显然过于低效了。
|
||
|
||
于是这个问题的解决方案——HTTP 的长连接，就自然而然地出现了，它指的是打开一次 TCP 连接，可以被连续几次报文传输重用，这样一来，我们就不需要给每次请求和响应都创建专门的连接了：
|
||
|
||
（上图来自 [Evolution of HTTP — HTTP/0.9, HTTP/1.0, HTTP/1.1, Keep-Alive, Upgrade, and HTTPS](https://medium.com/platform-engineer/evolution-of-http-69cfe6531ba0)）
|
||
|
||
可以看到，**通过建立长连接，中间的几次 TCP 连接开始和结束的握手都省掉了。**
|
||
|
||
那好，我们还是使用 netcat，这次把版本号改成 1.1，同时打开长连接：
|
||
|
||
```
|
||
GET / HTTP/1.1
|
||
Host: www.google.com
|
||
User-Agent: Mozilla/1.22 (compatible; MSIE 2.0; Windows 3.1)
|
||
Connection: keep-alive
|
||
Accept: text/html
|
||
|
||
|
||
```
|
||
|
||
（别忘了上面那个空行）
|
||
|
||
相信你也注意到了上面客户端要求开启长连接的 HTTP 头：
|
||
|
||
```
|
||
Connection: keep-alive
|
||
|
||
```
|
||
|
||
再按老办法运行：
|
||
|
||
```
|
||
netcat www.google.com 80 < ~/Downloads/request.txt
|
||
|
||
```
|
||
|
||
我们果然得到了 Google 的响应：
|
||
|
||
```
|
||
HTTP/1.1 200 OK
|
||
Date: ...
|
||
Expires: -1
|
||
Cache-Control: private, max-age=0
|
||
Content-Type: text/html; charset=ISO-8859-1
|
||
Transfer-Encoding: chunked
|
||
...（此处省略多行HTTP 头）
|
||
|
||
127a
|
||
...（此处省略 HTML）
|
||
0
|
||
|
||
|
||
```
|
||
|
||
但是在响应中，值得注意的有两点：
|
||
|
||
1. 在 HTTP 头部，有这样一行：
|
||
|
||
```
|
||
Transfer-Encoding: chunked
|
||
|
||
```
|
||
|
||
1. 正文的内容是这样的：
|
||
|
||
```
|
||
127a
|
||
...
|
||
0
|
||
|
||
|
||
```
|
||
|
||
同时，之前我们见到过头部的 Content-Length 不见了。这是怎么回事呢？
|
||
|
||
事实上，如果协议头中存在上述的 chunked 头，表示将采用分块传输编码，响应的消息将由若干个块分次传输，而不是一次传回。刚才的 127a，指的是接下去这一块的大小，在这些有意义的块传输完毕后，会紧跟上一个长度为 0 的块和一个空行，表示传输结束了，这也是最后的那个 0 的含义。
|
||
|
||
值得注意的是，实际上在这个 0 之后，协议还允许放一些额外的信息，这部分会被称作“[Trailer](https://developer.mozilla.org/en-US/docs/Web/HTTP/Headers/Trailer)”，这个额外的信息可以是用来校验正确性的 checksum，可以是数字签名，或者传输完成的状态等等。
|
||
|
||
在长连接开启的情况下，使用 Content-Length 还是 chunked 头，必须具备其中一种。**分块传输编码大大地提高了HTTP 交互的灵活性**，服务端可以在还不知道最终将传递多少数据的时候，就可以一块一块将数据传回来。在 \[第 03 讲\] 中，你还会看到藉由分块传输，可以实现一些模拟服务端推送的技术，比如 [Comet](https://en.wikipedia.org/wiki/Comet_(programming))。
|
||
|
||
事实上 HTTP/1.1 还增加了很多其它的特性，比如更全面的方法，以及更全面的返回码，对指定客户端缓存策略的支持，对 content negotiation 的支持（即通过客户端请求的以 Accept 开头的头部来告知服务端它能接受的内容类型），等等。
|
||
|
||
## HTTP/2
|
||
|
||
现在最广泛使用的 HTTP 协议还是 1.1 ，但是 HTTP/2 已经提出，在保持兼容性的基础上，包含了这样几个重要改进：
|
||
|
||
* 设计了一种机制，允许客户端来选择使用的 HTTP 版本，这个机制被命名为 ALPN；
|
||
* HTTP 头的压缩，在 HTTP/2 以前，HTTP 正文支持多种方式的压缩，但是 HTTP 头部却不能；
|
||
* 多路复用，允许客户端同时在一个连接中同时传输多组请求响应的方法；
|
||
* 服务端的 push 机制，比方说客户端去获取一个网页的时候，下载网页，分析网页内容，得知还需要一个 js 文件和一个 css 文件，于是再分别下载，而服务端的 push 机制可以提前就把这些资源推送到客户端，而不需要客户端来索取，从而节约网页加载总时间。
|
||
|
||
在 HTTP/2 之后，我们展望未来，HTTP/3 已经箭在弦上。如同前面的版本更新一样，依旧围绕传输效率这个协议核心来做进一步改进，其承载协议将从 TCP 转移到基于 UDP 的 [QUIC](https://en.wikipedia.org/wiki/QUIC) 上面来。
|
||
|
||
最后，我想说的是，**HTTP 协议的进化史，恰恰是互联网进化史的一个绝佳缩影**，从中你可以看到互联网发展的数个特质。比方说，长连接和分块传输很大程度上增强了 HTTP 交互模型上的灵活性，使得 B/S 架构下的消息即时推送成为可能。
|
||
|
||
## 总结思考
|
||
|
||
今天我们了解了 HTTP 协议的进化史，并且用了动手操作的方法来帮助你理解内容，还分析了其中两个重要的特性，长连接和分块传输。希望经过今天的实践，除了知识本身的学习，你还能够**在快速的动手验证中，强化自己的主观认识，并将这种学习知识的方式培养成一种习惯，这是学习全栈技能的一大法宝**。
|
||
|
||
现在，让我们来进一步思考这样两个问题：
|
||
|
||
* 文中介绍了分块传输的 HTTP 特性，你觉得它可以应用到哪些具体场景？
|
||
* 如果让你去设计一个新的网络协议，你能否举例设计的过程中需要遵循哪些原则？
|
||
|
||
好，今天的分享就到这里，欢迎提出你的疑问，也期待你留言与我交流！
|
||
|
||
## 选修课堂：抓一段 HTTP 的包
|
||
|
||
如果你对于使用 tcpdump 进行网络抓包这个技能已经了解了，就可以跳过下面的内容。反之，推荐你动动手。因为在学习任何网络协议的时候，网络抓包是一个非常基本的实践前置技能；而在实际定位问题的时候，也时不时需要抓包分析。这也是我在第一讲就放上这堂选修课的原因。
|
||
|
||
俗话说，耳听为虚，眼见为实，下面让我们继续动手实践。你当然可以尝试抓访问某个网站的包，但也可以在本机自己启动一个 web 服务，抓一段 HTTP GET 请求的报文。
|
||
|
||
利用 Python，在任意目录，一行命令就可以在端口 8080 上启动一个完备的 HTTP 服务（这大概是世界上最简单的启动一个 HTTP 服务的方式了）：
|
||
|
||
```
|
||
python -m SimpleHTTPServer 8080
|
||
|
||
```
|
||
|
||
启动成功后，你应该能看到：
|
||
|
||
```
|
||
Serving HTTP on 0.0.0.0 port 8080 ...
|
||
|
||
```
|
||
|
||
接着使用 tcpdump 来抓包，注意抓的是 loopback 的包（本地发送到本地），因此执行：
|
||
|
||
```
|
||
sudo tcpdump -i lo0 -v 'port 8080' -w http.cap
|
||
|
||
```
|
||
|
||
这里的 -i 参数表示指定 interface，而因为客户端和服务端都在本地，因此使用 lo0（我使用的是 Mac，在某些Linux操作系统下可能是 lo，具体可以通过 ifconfig 查看）指定 loopback 的接口，这里我们只想捕获发往 8080 端口的数据包，结果汇总成 http.cap 文件。
|
||
|
||
打开浏览器敲入 [http://localhost:8080](http://localhost:8080) 并回车，应该能看到启动 HTTP 服务路径下的文件（夹）列表。这时候你也应该能看到类似下面这样的文字，标志着多少包被捕获，多少包被过滤掉了：
|
||
|
||
```
|
||
24 packets captured
|
||
232 packets received by filter
|
||
|
||
```
|
||
|
||
好，现在我们使用 CTRL + C 结束这个抓包过程。
|
||
|
||
抓包后使用 [Wireshark](https://www.wireshark.org/) 打开该 http.cap 文件，在 filter 里面输入 http 以过滤掉别的我们不关心的数据包，我们应该能看到请求和响应至少两条数据。于是接下去的内容就是我们非常关心的了。
|
||
|
||
|
||
|
||
如果你看到这里，我想请你再思考下，在不设置上面的 http filter 的时候，我们会看到比这多得多的报文，它们不是 HTTP 的请求响应所以才被过滤掉了，那么，它们都有什么呢？
|
||
|
||
## 扩展阅读
|
||
|
||
* 【基础】如果你对 HTTP 还不熟悉的话，推荐你阅读一篇系统性介绍 HTTP 的教程，比如 [MDN 的这篇教程](https://developer.mozilla.org/zh-CN/docs/Web/HTTP)。
|
||
* 【基础】[The OSI model explained: How to understand (and remember) the 7 layer network model](https://www.networkworld.com/article/3239677/the-osi-model-explained-how-to-understand-and-remember-the-7-layer-network-model.html)：如果你对网络的 OSI 7 层模型还不清楚的话，建议阅读。如果你想知道那些鼎鼎大名的网络协议在这个模型中的哪个位置，那么请从 [List of network protocols (OSI model)](https://en.wikipedia.org/wiki/List_of_network_protocols_(OSI_model)) 里面找。基于聚焦主题的关系，我们在这个专栏中不会详细介绍呈现层（Presentation Layer）之下的网络协议。
|
||
* HTTP [1.0](https://tools.ietf.org/html/rfc1945)、[1.1](https://tools.ietf.org/html/rfc2616) 和 [2.0](https://tools.ietf.org/html/rfc7540)：它们是 RFC 文档，看起来似乎枯燥乏味，通常我们不需要去仔细阅读它们，但是当我们想知道对协议的理解是否正确，它们是我们最终的参考依据。
|
||
* [Key differences between HTTP 1.0 and HTTP 1.1](http://www.ra.ethz.ch/cdstore/www8/data/2136/pdf/pd1.pdf)：文中总结了从 HTTP 1.0 到 1.1 的 9 大改进；而 [HTTP/2 Complete Tutorial](http://qnimate.com/post-series/http2-complete-tutorial/) 是一篇比较系统的 HTTP/2 的介绍。
|
||
|