深度解密HTTP通信细节
上一篇文章中，我們學會了用wireshark和tcpdump來分析TCP的“三次握手，四次揮手”，非常好用。這哥倆就是傳說中的?錘子，拿著?錘子，看什么都像?釘子！在這篇文章中，我對準了?HTTP這顆釘子砸下去，咳咳。
為了對網絡數據包的“流轉”有更加深刻的理解，我在docker（遠程）上部署一個服務，支持http方式調用。從客戶端（本地）用http方式請求其中的一個接口，并得到響應數據。同時本地通過wireshark抓包，遠程用tcpdump抓包，然后分析過程中的所有通信細節。悲劇是把美好的東西撕碎給人看，而我則是把復雜的東西撕碎了給人看。
文章稍長，請在看本文時保持耐心。我先通過工具獲取HTTP通信的數據包，再來抽絲剝繭，深入二進制的天地里，解密HTTP所有的通信細節。分析過程中，由點到面，將相關知識串接起來。保證全篇讀完之后，你對HTTP的理解會上升一個臺階！
為了更好的閱讀體驗，我手動貼上本文的目錄：
HTTP報文截獲
背景介紹
我手頭現在有一個地理幾何相關的服務，它提供一組接口對外使用。其中有一個接口是?Fence2Area. 使用方傳入一個圍欄（由點的列表組成，點由<經度，緯度>表示）、點的坐標系類型（谷歌地圖用的是wgs84, 國內騰訊、高德用的是soso, 而百度用的是另一套自己的坐標系），接口輸出的則是圍欄的面積。
我請求服務的“Fence2Area”接口，輸入圍欄(fence)頂點(lng, lat)坐標、坐標系類型(coordtype)，輸出的則是多邊形的面積(area).
一次正常的請求示例url, 這個大家都不陌生（我用docker_ip代替真實的ip）:
http://docker_ip:7080/data?cmd=Fence2Area&meta={"caller":"test","TraceId":"test"}&request={"fence":[{"lng":10.2,"lat":10.2}, {"lng":10.2,"lat":8.2}, {"lng":8.2,"lat":8.2}, {"lng":8.2,"lat":10.2}],"coordtype":2}請求發出后，服務器進行處理，之后，客戶端收到返回的數據如下：
{
? ?"data": {
? ? ? ?"area": 48764135597.842606
? ?},
? ?"errstr": ""
}
area字段表示面積，?errstr表示出錯信息，空說明沒有出錯。
抓包
在真正發送請求之前，需要進行抓包前的設置。在本地mac，我用wireshark; 而在遠程docker上，我用tcpdump工具。
mac本地
設置wireshark包過濾器，監控本地主機和遠程docker之間的通信。
ip.addr eq docker_ip點擊開始捕獲。
遠程docker
該服務通過7080端口對外提供，使用如下命令捕獲網絡包：
tcpdump -w /tmp/testHttp.cap port 7080 -s0請求 && 分析
準備工作做完，我選了一個神圣的時刻，在本地通過瀏覽器訪問如下url:
http://docker_ip:7080/data?cmd=Fence2Area&meta={"caller":"test","TraceId":"test"}&request={"fence":[{"lng":10.2,"lat":10.2}, {"lng":10.2,"lat":8.2}, {"lng":8.2,"lat":8.2}, {"lng":8.2,"lat":10.2}],"coordtype":2}這樣本地的wireshark和遠程的tcpdump都能抓取到HTTP網絡數據包。
關閉服務進程
正式請求之前，我們先看一下幾種特殊的情形。
首先，關閉gcs服務進程，請求直接返回RST報文。
如上圖，我在請求的時候，訪問服務端的另一個端口?5010, 這個端口沒有服務監聽，和關閉gcs服務進程是同樣的效果。可以看到，客戶端發送SYN報文，但直接被遠程docker RST掉了。因為服務端操作系統找不到監聽此端口的進程。
關閉docker
關閉docker, 由于發送的SYN報文段得不到響應，因此會進行重試，mac下重試的次數為10次。
先每隔1秒重試了5次，再用“指數退避”的時間間隔重試，2s, 4s, 8s, 16s, 32s. 最后結束。
重啟docker
先進行一次正常的訪問，隨后重啟docker。并再次在本地訪問以上url, 瀏覽器這時還是用的上一次的端口，訪問到服務端后，因為它已經重啟了，所以服務端已經沒有這個連接的消息了。因此會返回一個RST報文。
正常請求
服務正常啟動，正常發送請求，這次請求成功，那是當然的，嘿嘿！
這是在mac上用wireshark捕獲的數據包，共7個包，前三個包為3次握手的包，第四個包為?HTTP層發送的請求數據，第五個包為服務端的TCP 確認報文，第六個包為服務端在?HTTP層發送的響應數據，第七個包為mac對第六個包的確認報文。
重點來關注后面幾個包，先看第四個包，
0x0000: ?4500 0295 0000 4000 3606 623b ac17 ccdc
0x0010: ?0a60 5cd4 db9b 1ba8 a59a 46ce 6d03 e87d
0x0020: ?8018 1015 0ee7 0000 0101 080a 2e4c b2ef
0x0030: ?0f20 3acf 4745 5420 2f64 6174 613f 636d
0x0040: ?643d 4665 6e63 6532 4172 6561 266d 6574
0x0050: ?613d 7b25 3232 6361 6c6c 6572 2532 323a
0x0060: ?2532 3274 6573 7425 3232 2c25 3232 5472
0x0070: ?6163 6549 6425 3232 3a25 3232 7465 7374
0x0080: ?2532 327d 2672 6571 7565 7374 3d7b 2532
0x0090: ?3266 656e 6365 2532 323a 5b7b 2532 326c
0x00a0: ?6e67 2532 323a 3130 2e32 2c25 3232 6c61
0x00b0: ?7425 3232 3a31 302e 327d 2c25 3230 7b25
0x00c0: ?3232 6c6e 6725 3232 3a31 302e 322c 2532
0x00d0: ?326c 6174 2532 323a 382e 327d 2c25 3230
0x00e0: ?7b25 3232 6c6e 6725 3232 3a38 2e32 2c25
0x00f0: ?3232 6c61 7425 3232 3a38 2e32 7d2c 2532
0x0100: ?307b 2532 326c 6e67 2532 323a 382e 322c
0x0110: ?2532 326c 6174 2532 323a 3130 2e32 7d5d
0x0120: ?2c25 3232 636f 6f72 6474 7970 6525 3232
0x0130: ?3a32 7d20 4854 5450 2f31 2e31 0d0a 486f
0x0140: ?7374 3a20 3130 2e39 362e 3932 2e32 3132
0x0150: ?3a37 3038 300d 0a55 7067 7261 6465 2d49
0x0160: ?6e73 6563 7572 652d 5265 7175 6573 7473
0x0170: ?3a20 310d 0a41 6363 6570 743a 2074 6578
0x0180: ?742f 6874 6d6c 2c61 7070 6c69 6361 7469
0x0190: ?6f6e 2f78 6874 6d6c 2b78 6d6c 2c61 7070
0x01a0: ?6c69 6361 7469 6f6e 2f78 6d6c 3b71 3d30
0x01b0: ?2e39 2c2a 2f2a 3b71 3d30 2e38 0d0a 5573
0x01c0: ?6572 2d41 6765 6e74 3a20 4d6f 7a69 6c6c
0x01d0: ?612f 352e 3020 284d 6163 696e 746f 7368
0x01e0: ?3b20 496e 7465 6c20 4d61 6320 4f53 2058
0x01f0: ?2031 305f 3133 5f36 2920 4170 706c 6557
0x0200: ?6562 4b69 742f 3630 352e 312e 3135 2028
0x0210: ?4b48 544d 4c2c 206c 696b 6520 4765 636b
0x0220: ?6f29 2056 6572 7369 6f6e 2f31 322e 302e
0x0230: ?3220 5361 6661 7269 2f36 3035 2e31 2e31
0x0240: ?350d 0a41 6363 6570 742d 4c61 6e67 7561
0x0250: ?6765 3a20 7a68 2d63 6e0d 0a41 6363 6570
0x0260: ?742d 456e 636f 6469 6e67 3a20 677a 6970
0x0270: ?2c20 6465 666c 6174 650d 0a43 6f6e 6e65
0x0280: ?6374 696f 6e3a 206b 6565 702d 616c 6976
0x0290: ?650d 0a0d 0a
我們來逐字節分析。
剩余的數據部分即為TCP協議相關的。TCP也是20B固定長度+可變長度部分。
可變長度部分，協議如下：
剩下來的就是數據部分了。我們一行一行地看。因為http是字符流，所以我們先看一下ascii字符集，執行命令：
man ascii可以得到ascii碼，我們直接看十六進制的結果：
把上表的最后一列連起來，就是：
GET /data?cmd=Fence2Area&meta={%22caller%22:%22test%22,%22TraceId%22:%22test%22}&request={%22fence%22:[{%22lng%22:10.2,%22lat%22:10.2},%20{%22lng%22:10.2,%22lat%22:8.2},%20{%22lng%22:8.2,%22lat%22:8.2},%20{%22lng%22:8.2,%22lat%22:10.2}],%22coordtype%22:2} HTTP/1.1
Host: 10.96.92.212:7080
Upgrade-Insecure-Requests: 1
Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8
User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/12.0.2 Safari/605.1.15
Accept-Language: zh-cn
Accept-Encoding: gzip, deflate
Connection: keep-alive
其中，cr nl表示回車，換行。
docker收到數據后，會回復一個ack包。第四個包的總長度為661字節，去掉IP頭部20字節，TCP頭部固定部分20字節，TCP頭部可選長度為12字節，共52字節，因此TCP數據部分總長度為661-52=609字節。另外，序列號為2778351310.
再來看第5個包，字節流如下：
0x0000: ?4500 0034 d28b 4000 4006 8810 0a60 5cd4
0x0010: ?ac17 ccdc 1ba8 db9b 6d03 e87d a59a 492f
0x0020: ?8010 00ec e04e 0000 0101 080a 0f20 3af7
0x0030: ?2e4c b2ef
剩余的數據部分即為TCP協議相關的。TCP也是20B固定長度+可變長度部分。
可變長度部分，協議如下：
數據部分為空，這個包僅為確認包。
再來看第六個包，字節流如下：
0x0000: ?4500 00f9 d28c 4000 4006 874a 0a60 5cd4
0x0010: ?ac17 ccdc 1ba8 db9b 6d03 e87d a59a 492f
0x0020: ?8018 00ec e113 0000 0101 080a 0f20 3af8
0x0030: ?2e4c b2ef 4854 5450 2f31 2e31 2032 3030
0x0040: ?204f 4b0d 0a41 6363 6573 732d 436f 6e74
0x0050: ?726f 6c2d 416c 6c6f 772d 4f72 6967 696e
0x0060: ?3a20 2a0d 0a44 6174 653a 2054 6875 2c20
0x0070: ?3033 204a 616e 2032 3031 3920 3132 3a32
0x0080: ?333a 3437 2047 4d54 0d0a 436f 6e74 656e
0x0090: ?742d 4c65 6e67 7468 3a20 3438 0d0a 436f
0x00a0: ?6e74 656e 742d 5479 7065 3a20 7465 7874
0x00b0: ?2f70 6c61 696e 3b20 6368 6172 7365 743d
0x00c0: ?7574 662d 380d 0a0d 0a7b 2264 6174 6122
0x00d0: ?3a7b 2261 7265 6122 3a34 3837 3634 3133
0x00e0: ?3535 3937 2e38 3432 3630 367d 2c22 6572
0x00f0: ?7273 7472 223a 2222 7d
剩余的數據部分即為TCP協議相關的。TCP也是20B固定長度+可變長度部分。
可變長度部分，協議如下：
剩下來的就是數據部分了。我們一行一行地看。
把上表的最后一列連起來，就是：
HTTP/1.1 200 OK
Access-Control-Allow-Origin: *
Date: Thu, 03 Jan 2019 12:23:47 GMT
Content-Length: 48
Content-Type: text/plain; charset=utf-8
{"data":{"area":48764135597.842606},"errstr":""}
Content-Length: 48，最后一行的長度即為48個字節。
最后，第七個包，字節流如下：
0x0000: ?4500 0034 0000 4000 3606 649c ac17 ccdc
0x0010: ?0a60 5cd4 db9b 1ba8 a59a 492f 6d03 e942
0x0020: ?8010 100f 1eb9 0000 0101 080a 2e4c b314
0x0030: ?0f20 3af8
剩余的數據部分即為TCP協議相關的。TCP也是20B固定長度+可變長度部分。
可變長度部分，協議如下：
至此，一次完整的http請求的報文就解析完了。感覺如何，是不是很親切？
HTTP協議分析
上面我們把HTTP協議相關的數據給解構了，下面我將對照上面的數據拆解結果，一步步帶你深入理解HTTP協議。
整體介紹
HTTP(Hypertext Transfer Protocol)超文本傳輸協議，是在互聯網上進行通信時使用的一種協議。說得更形象一點：?HTTP是現代互聯網中使用的公共語言。它最著名的應用是用在瀏覽器的服務器間的通信。
HTTP屬于應用層協議，底層是靠TCP進行可靠地信息傳輸。
HTTP在傳輸一段報文時，會以?流的形式將報文數據的內容通過?一條打開的TCP連接按序傳輸。TCP接到上層應用交給它的數據流之后，會按序將數據流打散成一個個的分段。再交到IP層，通過網絡進行傳輸。另一端的接收方則相反，它們將接收到的分段按序組裝好，交給上層HTTP協議進行處理。
編碼
我們再來回顧一下：
原始的url值：
/data?cmd=Fence2Area&meta={"caller":"test","TraceId":"test"}&request={"fence":[{"lng":10.2,"lat":10.2}, {"lng":10.2,"lat":8.2}, {"lng":8.2,"lat":8.2}, {"lng":8.2,"lat":10.2}],"coordtype":2}編碼后的url值：
/data?cmd=Fence2Area&meta={%22caller%22:%22test%22,%22TraceId%22:%22test%22}&request={%22fence%22:[{%22lng%22:10.2,%22lat%22:10.2},%20{%22lng%22:10.2,%22lat%22:8.2},%20{%22lng%22:8.2,%22lat%22:8.2},%20{%22lng%22:8.2,%22lat%22:10.2}],%22coordtype%22:2}在之前的報文拆解過程中，我們看到多了很多?%22，其實，?0x22是單引號?"的ascii值，
一方面，URL描述的資源為了能通過其他各種協議傳送，但是有些協議在傳輸過程中會剝去一些特定的字符；另一方面，URL還是可讀的，所以那些不可打印的字符就不能在URL中使用了，比如空格；最后，URL還得是完整的，它需要支持所有語言的字符。
總之，基于很多原因，URL設計者將US-ASCII碼和其轉義序列集成到URL中，通過轉義序列，就可以用US-ASCII字符集的有限子集對任意字符或數據進行編碼了。
轉義的方法：百分號(?%)后跟著兩個表示ASCII碼的十六進制數。比如：
所以上面在瀏覽器發送給服務器的URL進行了非“安全字符”編碼，也就不奇怪了吧？
在URL中，當上面的保留字符用在保留用途之外的場合時，需要對URL進行編碼。
MIME類型
響應數據中，我們注意到有一個首部：
Content-Type: text/plain; charset=utf-8互聯網上有數千種不同的數據類型，HTTP給每種對象都打上了MIME(Multipurpose Internet Media Extension, 多用途因特網郵件擴展)標簽，也就是響應數據中的?Content-Type. MIME本來是用在郵件協議中的，后來被移植到了HTTP中。瀏覽器從服務器上取回了一個對象時，會去查看MIME類型，從而得知如何處理這種對象，是該展示圖片，還是調用聲卡播放聲音。MIME通過斜杠來標識對象的主類型和其中的特定的子類型，下表展示了一些常見的類型，其中的實體主體是指body部分：
URI/URL/URN
URI(Uniform Resource Identifier, 統一資源標識符)表示服務器資源，URL(Uniform Resource Locator, 統一資源定位符)和URN(Uniform Resource Name, 統一資源名)是URI的具體實現。URI是一個通用的概念，由兩個主要的子集URL和URN構成，URL通過位置、URN通過名字來標識資源。
URL定義了資源的位置，表示資源的實際地址，在使用URL的過程中，如果URL背后的資源發生了位置移動，訪問者就找不到它了。這個時候就要用到URN了，它給定資源一個名字，無論它移動到哪里，都可以通過這個名字來訪問到它，簡直完美！
URL通常的格式是：
協議方案+服務器地址+具體的資源路徑協議方案(scheme)，如?http,?ftp，告知web客戶端怎樣訪問資源)；服務器地址，如?www.oreilly.com; 具體的資源路徑，如?index.html.
HTTP方法
HTTP支持幾種不同的請求方法，每種方法對服務器要求的動作不同，如下圖是幾種常見的方法：
HEAD方法只獲取頭部，不獲取數據部分。通過頭部可以獲取比如資源的類型(Content-Type)、資源的長度(Content-Length)這些信息。這樣，客戶端可以獲取即將請求資源的一些情況，可以做到心中有數。
POST用于向服務器發送數據，常見的是提交表單；PUT用于向服務器上的資源存儲數據。
狀態碼
每條HTTP的響應報文都會帶上一個三位數字的狀態碼和一條解釋性的“原因短語”，通知客戶端本次請求的狀態，幫助客戶端快速理解事務處理結果，最常見的是：
200 OK
404 Not Found
500 Internal Server Error
我們平時使用瀏覽器的時候，很多的錯誤碼其實是由瀏覽器處理的，我們感知不到。但是?404NotFound會穿透重重迷霧，來到我們面前，為何？那是因為他對我們愛的深沉啊！
客戶端可以據此狀態碼，決定下一步的行動（如重定向等）。
三位數字的第一位表示分類：
報文格式
HTTP報文實際上是由一行行的字符串組成的，每行字符串的末尾用?\r\n分隔，人類可以很方便的閱讀。順便說一句，不是所有的協議都對人類這么友好的，像thrift協議，直接甩一堆字節給你，告訴你說?0x0001表示調用方法，諸如此類的，你只能對著一個十六進制的數據塊一個個地去“解碼”。不可能像HTTP協議這樣，直接將字符編碼，人類可以直接讀懂。
舉個簡單的請求報文和響應報文的格式的例子：
實際上，請求報文也是可以有body（主體）部分的。請求報文是由?請求行（request line）、請求頭部（header）、空行、請求數據四個部分組成。唯一要注意的一點就是，請求報文即使body部分是空的，請求頭部后的?回車換行符也是必須要有的。
響應報文的格式和請求報文的格式類似：
請求報文、響應報文的起始行和響應頭部里的字段都是文本化、結構化的。而請求body卻可以包含任意二進制數據（如圖片、視頻、軟件等），當然也可以包含文本。
有些首部是通用的，有些則是請求或者響應報文才會有的。
順便提一下， 用telnet直連服務器的http端口，telnet命令會建立一條TCP通道，然后就可以通過這個通道直接發送HTTP請求數據，獲取響應數據了。
HTTP協議進階
代理
HTTP的代理服務器既是Web服務器，又是Web客戶端。
使用代理可以“接觸”到所有流過的HTTP流量，代理可以對其進行監視和修改。常見的就是對兒童過濾一些“成人”內容；網絡工程師會利用代理服務器來提高安全性，它可以限制哪些應用層的協議數據可以通過，過濾“病毒”等數據；代理可以存儲緩存的文件，直接返回給訪問者，無需請求原始的服務器資源；對于訪問慢速網絡上的公共內容時，可以假扮服務器提供服務，從而提高訪問速度；這被稱為?反向代理；可以作為內容路由器，如對付費用戶，則將請求導到緩存服務器，提高訪問速度；可以將頁面的語言轉換到與客戶端相匹配，這稱為?內容轉碼器;?匿名代理會主動從HTTP報文中刪除身份相關的信息，如?User-Agent,?Cookie等字段。
現實中，請求通過以下幾種方式打到代理服務器上去：
報文每經過一個中間點（代理或網關），都需要在首部via字段的末尾插入一個可以代表本節點的獨特的字符串，包含實現的協議版本和主機地址。注意圖中的via字段。
請求和響應的報文傳輸路徑通常都是一致的，只不過方向是相反的。因此，響應報文上的via字段表示的中間節點的順序是剛好相反的。
緩存
當有很多請求訪問同一個頁面時，服務器會多次傳輸同一份數據，這些數據重復地在網絡中傳輸著，消耗著大量帶寬。如果將這些數據緩存下來，就可以提高響應速度，節省網絡帶寬了。
大部分緩存只有在客戶端發起請求，并且副本已經比較舊的情況下才會對副本的新鮮度進行檢測。最常用的請求首部是?If-Modified-Since, 如果在xx時間(此時間即為If-Modified-Since的值)之后內容沒有變化，服務器會回應一個?304NotModified. 否則，服務器會正常響應，并返回原始的文件數據，而這個過程中被稱為?再驗證命中。
再驗證可能出現命中或未命中的情況。未命中時，服務器回復?200OK，并且返回完整的數據；命中時，服務器回復?304NotModified; 還有一種情況，緩存被刪除了，那么根據響應狀態碼，緩存服務器也會刪除自己緩存的副本。
順帶提一句，若要在項目中使用緩存，就一定要關注緩存命中比例。若命中比例不高，就要重新考慮設置緩存的必要性了。
緩存服務器返回響應的時候，是基于已緩存的服務器響應的首部，再對一些首部字段做一些微調。比如向其中插入新鮮度信息（如?Age,?Expires首部等），而且通常會包含一個?via首部來說明緩存是由一個緩存代理提供的。注意，這時不要修改?Date字段，它表示原始服務器最初構建這條響應的日期。
HTTP通過?文檔過期機制和?服務器再驗證機制保持已緩存數據和服務器間的數據充分一致。
文檔過期通過如下首部字段來表示緩存的有效期：
當上面兩個字段暗示的過期時間已到，需要向服務器再次驗證文檔的新鮮度。如果這時緩存仍和服務器上的原始文檔一致，緩存只需要更新頭部的相關字段。如上表中提到的?Expires字段等。
為了更好的節省網絡流量，緩存服務器可以通過相關首部向原始服務器發送一個?條件GET請求, 這樣只有在緩存真正過期的情況下，才會返回原始的文檔，否則只會返回相關的首部。?條件GET請求會用到如下的字段：
cookie
cookie是服務器“貼在”客戶端身上的標簽，由客戶端維護的狀態片段，并且只會回送給合適的站點。
有兩類cookie: 會話cookie、持久cookie. 會話cookie在退出瀏覽器后就被刪除了；而持久cookie則保存在硬盤中，計算機重啟后仍然存在。
服務器在給客戶端的響應字段首部加上?Set-cookie或?Set-cookie2, 值為?名字=值的列表，即可以包含多個字段。當下次瀏覽器再次訪問到相同的網站時，會將這些字段通過?Cookie帶上。cookie中保留的內容是服務器給此客戶端打的標簽，方便服務進行追蹤的識別碼。瀏覽器會將cookie以特定的格式存儲在特定的文件中。
瀏覽器只會向產生這條cookie的站點發生cookie.?Set-cookie字段的值會包含?domain這個字段，告知瀏覽器可以把這條cookie發送給給相關的匹配的站點。?path字段也是相似的功能。如i瀏覽器收到如下的cookie:
Set-cookie: user="mary"; domain="stefno.com"那么瀏覽器在訪問任意以?stefno.com結尾的站點都會發送：
Cookie: user="mary"實體和編碼
響應報文中的body部分傳輸的數據本質上都是二進制。我們從上面的報文數據也可以看出來，都是用十六進制數來表示，關鍵是怎么解釋這塊內容。如果?Content-Type定義是?text/plain, 那說明body內容就是文本，我們直接按文本編碼來解釋；如果?Content-Type定義是?image/png, 說明body部分是一幅圖片，那我們就按圖片的格式去解釋數據。
Content-Length標示報文主體部分的數據長度大小，如果內容是壓縮的，那它表示的就是壓縮后的大小。另外，?Content-Length在長連接的情況下，可以對多個報文進行正確地分段。所以，如果沒有采用分塊編碼，響應數據中必須帶上?Content-Length字段。分塊編碼的情形中，數據被拆分成很多小塊，每塊都有大小說明。因此，任何帶有主體部分的報文（請求或是響應）都應帶上正確的?Content-Length首部。
HTTP的早期版本采用關閉連接的方式來劃定報文的結束。這帶來的問題是顯而易見的：客戶端并不能分清是因為服務器正常結束還是中途崩潰了。這里，如果是客戶端用關閉來表示請求報文主體部分的結束，是不可取的，因為關閉之后，就無法獲取服務器的響應了。當然，客戶端可以采用半關閉的方式，只關閉數據發送方向，但是很多服務器是不識別的，會把半關閉當成客戶端要成服務器斷開來處理。
HTTP報文在傳輸的過程中可能會遭到代理或是其他通信實體的無意修改，為了讓接收方知道這種情況，服務器會對body部分作一個md5, 并把值放到?Content-MD5這個字段中。但是，如果中間的代理即修改了報文主體，又修改了md5, 就不好檢測了。因此規定代理是不能修改?Content-MD5首部的。這樣，客戶端在收到數據后，先進行解碼，再算出md5, 并與?Content-MD5首部進行比較。這主要是防止代理對報文進行了無意的改動。
HTTP在發送內容之前需要對其進行編碼，它是對報文主體進行的可逆變換。比如將報文用gzip格式進行壓縮，減少傳輸時間。常見的編碼類型如下：
當然，客戶端為了避免服務器返回自己不能解碼的數據，請求的時候，會在?Accept-Encoding首部里帶上自己支持的編碼方式。如果不傳輸的話，默認可以接受任何編碼方式。
上面提到的編碼是內容編碼，它只是在響應報文的主體報文將原始數據進行編碼，改變的是內容的格式。還有另一種編碼：?傳輸編碼。它與內容無關，它是為了改變報文數據在網絡上傳輸的方式。傳輸編碼是在HTTP 1.1中引入的一個新特性。
通常，服務器需要先生成數據，再進行傳輸，這時，可以計算數據的長度，并將其編碼到?Content-Length中。但是，有時，內容是動態生成的，服務器希望在數據生成之前就開始傳輸，這時，是沒有辦法知道數據大小的。這種情況下，就要用到?傳輸編碼來標注數據的結束的。
HTTP協議中通過如下兩個首部來描述和控制傳輸編碼：
分塊編碼的報文形式是這樣的：
每個分塊包含一個長度值（十六進制，字節數）和該分塊的數據。?<CR><LF>用于區隔長度值和數據。長度值不包含分塊中的任何?<CR><LF>序列。最后一個分塊，用長度值0來表示結束。注意報文首部包含一個?Trailer:Content-MD5, 所以在緊跟著最后一個報文結束之后，就是一個拖掛。其他如，?Content-Length,?Trailer,?Transfer-Encoding也可以作為拖掛。
內容編碼和傳輸編碼是可以結合起來使用的。
國際化支持
HTTP為了支持國際化的內容，客戶端要告知服務器自己能理解的何種語言，以及瀏覽器上安裝了何種字母表編碼算法。這通過?Accept-Charset和?Accept-Language首部實現。
比如：
Accept-Language: fr, en;q=0.8
Accept-Charset: iso-8859-1, utf-8
表示：客戶端接受法語(fr, 優先級默認為1.0）、英語（en, 優先級為0.8），支持iso-8859-1, utf-8兩種字符集編碼。服務器則會在?Content-Type首部里放上?charset.
本質上，HTTP報文的body部分存放的就是一串二進制碼，我們先把二進制碼轉換成字符代碼（如ascii是一個字節表示一個字符，而utf-8則表示一個字符的字節數不定，每個字符1~6個字節），之后，用字符代碼去字符集中找到對應的元素。
比較常見的字符集是?US-ASCII: 這個字符集是所有字符集的始祖，早在1968年就發布了標準。ASCII碼的代碼值從0到127, 只需要7個bit位就可以覆蓋代碼空間。HTTP報文的首部、URL使用的字符集就是ASCII碼。可以再看下上文報文分析部分的acsii碼集。
US-ASCII是把每個字符編碼成固定的7位二進制值。?UTF-8則是無固定的編碼方案。第一個字節的高位用來表示編碼后的字符所用的字節數（如果所用的字節數是5，則第一個字節前5bit都是1，第6bit是0），所需的后續的字節都含有6位的代碼值，前兩個bit位是用?10標識。
舉個例子，漢字“嚴”的Unicode編碼為?4E25(?100111000100101), 共有15位，落在上表中的第三行，因此“嚴”的編碼就需要三個字節。將?100111000100101填入上表中的?c位即可。因此，嚴的?UTF-8編碼是11100100 10111000 10100101，轉換成十六進制就是E4B8A5. 比如我在谷歌搜索框里搜索“嚴”字，google發出的請求如下：
https://www.google.com.hk/search?q=%E4%B8%A5&oq=%E4%B8%A5&aqs=chrome..69i57j0l5.3802j0j4&sourceid=chrome&ie=UTF-8&gws_rd=crq=%E4%B8%A5這個就是搜索的詞了。
重定向與負載均衡
Web內容通常分散地分布在很多地方，這可以防止“單點故障”，萬一某個地方發生地震了，機房被毀了，那還有其他地方的機房可以提供服務。一般都會有所謂的“雙活”，“多活”，所謂?狡兔三窟嘛。
這樣，用戶的請求會根據?負載均衡的原則，被?重定向到它應該去的地方。
HTTP重定向
服務器收到客戶端請求后，向客戶端返回一條帶有狀態碼?302重定向的報文，告訴他們應該去其他的地方試試。web站點將重定向看成一種簡單的負載均衡策略來使用，?重定向服務器找到可用的負載最小的機器，由于服務器知道客戶端的地址，理論上來說，可以做到最優的重定向選擇。
當然，缺點也是顯而易見的，由于客戶端要發送兩次請求，因此會增加耗時。
DNS重定向
DNS將幾個IP地址關聯到一個域上，采用算法決定返回的IP地址。可以是簡單的?輪轉；也可以是更高級的算法，如返回負載最輕的服務器的IP地址，稱為?負載均衡算法；如果考慮地理位置，返回給客戶端最近位置的地址，稱為?鄰接路由算法；還有一種是繞過出現故障的地址，稱為?故障屏蔽算法。
DNS服務器總是會返回所有的IP地址，但是DNS客戶端一般只會使用第一個IP地址，而且會緩存下來，之后會一直用這個地址。所以，DNS輪轉通常不會平衡單個客戶端的負載。但是，由于DNS服務器對于不同的請求，總是會返回輪轉后的IP地址列表，因此，會把負載分散到多個客戶端。
HTTP連接
HTTP連接是HTTP報文傳輸的關鍵通道。
并行連接
對于一個頁面上同時出現多個對象的時候，如果瀏覽器并行地打開多個連接，同時去獲取這些對象，多個連接的TCP握手時延可以進行重疊，速度會快起來。
如一個包含3張圖片的頁面，瀏覽器要發送4次HTTP請求來獲取頁面。1個用于頂層的HTML頁面，3個用于圖片。如果采用串行方式，那么連接時延會進行疊加。
采用并行連接之后：
但是并行連接也不絕對提升速度，如果一個頁面有數百個內嵌對象，那要啟動數百個連接，對服務器的性能也是非常大的挑戰。所以，通常瀏覽器會限制并行連接的總數據在一個較小的值，通常是4個，而且服務端可以隨意關閉客戶端超量的連接。
另一方面，如果客戶端網絡帶寬較小，每個連接都會去爭搶有限的帶寬，每個連接都會獲取較小的速度，即每個對象都會以較小的速度去加載。這樣，并行連接帶來的速度提升就會比較小，甚至沒有提升。
持久連接
HTTP keep-alive機制
我們知道HTTP請求是“請求-應答”模式，每次請求-應答都要新建一個連接，完成之后要斷開連接。HTTP是無狀態的，連接之間沒有任何關系。
HTTP是應用層協議，TCP是傳輸層協議。HTTP底層仍然采用TCP進行傳輸數據。TCP為HTTP提供了一層可靠的比特傳輸通道。HTTP一般交換的數據都不大，而每次連接都要進行TCP三次握手，很大一部分時間都消耗在這上面，有時候甚至能達到50%。如果能復用連接，就可以減少由于TCP三次握手所帶來的時延。
HTTP 1.1默認開啟keep-alive機制，從上面抓到的包也可以看到。這樣，數據傳輸完成之后保持TCP連接不斷開，之后同域名下復用連接，繼續用這個通道傳輸數據。服務器在響應一個請求后，可以保持這個連接keep-alive timeout的時間，在這個時間內沒有請求，則關閉此連接；否則，重新開始倒計時keep-alive timeout時間。
HTTP有keep-alive機制，目的是可以在一個TCP 連接上傳輸多個HTTP事務，以此提高通信效率。底層的TCP其實也有keep-alive機制，它是為了探測TCP連接的活躍性。TCP層的keepalive可以在任何一方設置，可以是一端設置、兩端同時設置或者兩端都沒有設置。新建socket的時候需要設置，從而使得協議棧調用相關函數tcpsetkeepalive，來激活連接的keep-alive屬性。
當網絡兩端建立了TCP連接之后，閑置（雙方沒有任何數據流發送往來）時間超過?tcp_keepalive_time后，服務器內核就會嘗試向客戶端發送偵測包，來判斷TCP連接狀況(有可能客戶端崩潰、強制關閉了應用、主機不可達等等)。如果沒有收到對方的回答(ack包)，則會在?tcp_keepalive_intvl后再次嘗試發送偵測包，直到收到對方的ack,如果一直沒有收到對方的ack,一共會嘗試 tcpkeepaliveprobes次，每次的間隔時間在這里分別是15s, 30s, 45s, 60s, 75s。如果嘗試?tcp_keepalive_probes次后,依然沒有收到對方的ack包，則會丟棄該TCP連接。TCP連接默認閑置時間是2小時，一般設置為30分鐘足夠了。
管道化連接
在keep-alive的基礎上，我們可以做地更進一步，在響應到達之前，我們將多條請求按序放入請求隊列，服務端在收到請求后，必須按照順序對應請求的響應。但由于網絡環境非常復雜，因此即使請求是按順序發送的，也不一定是按順序到達服務端的。而且就算是服務端按序處理的，也不一定是按序返回給客戶端，所以最好是在響應中附帶一些可以標識請求的參數。
為了安全起見，管道化的連接只適合“冪等”的請求，一般我們認為：GET/HEAD/PUT/DELETE/TRACE/OPTIONS等方法都是冪等的。
小結
以上，就是所有HTTP的通信細節了，足夠在日常開發 作中使用了。更多沒有涉及的細節可以在用到的時候再去仔細研究。
文章看完了，不知道你對HTTP的理解有沒有更上一層樓？歡迎一起交流探討。
總結
以上是生活随笔為你收集整理的深度解密HTTP通信细节的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 分布式的数据一致性
- 下一篇： 学plc好还是python好_PLC是学