HTTP协议相关内容及web通信原理的理解

21ewqsxx

简介：

HTTP(HyperText Transfer Protocol) 超文本传输协议，是互联网上行应用最广泛的一种网络协议。
HTTP是一个客户端和服务器端请求和应答的标准(TCP),客户端是终端客户，服务器端是网站，通过web浏览器，网络爬虫或者其他工具，客户端发起一个到服务器上指定端口(默认为80)的HTTP请求，这个请求发起者称之为用户代理(User Agent)。应答的服务器上存储着一些资源，比如html文件或图片，这个服务器称之为源服务器(origin server)。

在用户代理和源服务器之间可能存在多个中间层，比如代理，网关，或者隧道(tunnels),尽管TCP/IP协议是互联网上最流行的应用，HTTP协议并没国定必须使用它和基于它支持的层。
HTTP协议可以在任何其他互联网协议上实现。

一、http协议版本：

http 0.9 仅用于传输html文档
http 1.0
MIME: Multipurpose Internet Mail Extensions 引入MIME机制，从而支持多媒体数据
引入keep-alive(持久连接)： 必须显式注明使用，才可以启用
缓存机制
http 1.1:
更多请求方法，更加精细缓存控制；持久连接(persistent)，原生支持
http 2.0:
spdy  google开发的，还没有成为标准，但是已经有大量的开发簇拥

二、http协议的基本概念：

http事务：
一次请求及对应的响应的整个过程

http方法：
GET：请求获取一个资源，需要服务器发送
HEAD： 跟GET近似， 但其不需要服务响应请求的资源，而返回相应首部
POST基于HTML表单向服务器提交数据，服务器通常需要存储此数据 (位置：通常为关系型数据库)
PUT与GET相反， 向服务器发送资源： 服务器通常需要存储此资源：(位置：通常为文件系统)
DELETE删除URL指向的资源
OPTIONS探测服务器端对请求的URL所支持使用的请求方法
TRACE跟踪一次请求中间所经过的代理服务器、防火墙或网关等

http状态码：
1xx: 信息性状态码

2xx：成功状态码
200: OK
201: CREATED

3xx: 重定向类的状态码，返回一个新地址
301: Moved Permanently永久重定向
302：Found,临时重定向，会在相应报文中使用"Location:新位置"；
304：Not Modified, 诶做任何修改

4xx： 客户端类错误
403: Forbidden,请求被拒绝
404：Not Found，服务器找不到请求资源
405: Method Not Allowed, 不允许此方法请求此资源

5xx：服务器类的错误
500: Internal Server Error 服务器内部错误
502: Bad Gateway, 代理服务器从上游服务器收到一条伪响应
503: Service Unavailable，服务暂时不可用



http协议： 协议首部
是在应用层的首部，封装在应用层，在数据前段指定了状态码、指定资源等信息,可以分为以下几类：

1. 通用首部
2. 请求首部
3. 响应首部
4. 实体首部
5. 扩展首部 非标准首部，可由程序员自行创建: X-Forward-For, X-Via

协议首部格式：
Name： Value
Content-Type: image/gif

http请求报文：
<method> <request-URL> <version>
<HEADERS>
           这个空白行是必须存在的
<entity-body>

http响应报文：
<version> <status> <reason-phrase>
<HEADERS>
         这个空白行是必须存在的
<entity-body>

解释：
<method>: 请求方法：
<request-URL>: 请求的资源，可以使相对路径，如/images/log.jpg, 也可是对决路径，
<version>: http协议版本，格式HTTP/<major>.<minor>, 例如 HTTP/1.0, HTTP/1.1
<headers>: 各种所可以使用的首部
<status>:  状态码
<reason-phrase>: 原因短语， 指状态码的易读信息
-
通用首部：
Connection:定义C/S之间关于请求、响应的有关选项
Connection: keep-alive

Cache-Control: 缓存控制


请求首部：
Client-IP:
Host: 请求的主机
Referer: 指明了请求当前资源原始资源的URL(跳转前的页面URL，可以用来防盗链)
User-Agent： 用户代理

Accept首部：
Accept: 服务端能够发送的媒体类型(通知服务端我支持什么)
Accpet-Charset:
Accept-Enconding:
Accpet-Language:

条件式请求：(仅HTTP1.1支持)
跟安全相关请求：
            Authorization:
            Cookie:

响应首部：
Age: 可以缓存的时长
Server: 向客户端说明自己用到的程序名称和版本(nginx/apache?)

协商首部：
vary: 首部列表，服务器会根据列表中的内容挑一个最适用的版本发送给客户端
跟安全相关：
WWW-Authentication:
Set-Cookie

实体首部：
Location： 资源的新位置(302时会用到)
Allow: 允许对此资源适用的请求方法

内容相关的首部：
Content-Enconding: 内容的压缩格式
Content-Language： 内容的编码格式
Content-Length： 本次发送的长度
Content-Location： 内容位置
Content-Type： 内容类型

缓存相关：
Etag
Expires
Last-Modified
二、 web通信原理
一次web资源请求的具体过程(从服务器角度考虑）：




建立连接
接受请求
处理请求
访问资源
构建响应
发送响应
记录日志
-
连接分为：
连接套接字：客户端随机端口 连接 服务器上的随机端口
监听套接字：80端口
-

web服务器的I/O结构：

单进程模型：串行；一次只响应一个独立的请求
多进程模型： 每个进程响应一个用户请求，实现并发的效果 eg: apache； 有安全上下文切换，及进程的创建和回收，有大量的内核空间开销
复用的I/O机制：一个进程生成多个线程(线程会共享进程的很多数据，包括打开的文件等)，每个线程响应一个用户请求
复用的I/O机制： 多个线程，每个线程同时响应多个用户请求：eg: nginx，