本文作者：饒全成，中科院計算所碩士，滴滴出行後端研發工程師。

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，看什麼都像 釘子！在這篇文章中，我對準了 HTTP這顆釘子砸下去，咳咳。

為了對網路資料包的“流轉”有更加深刻的理解，我在docker（遠端）上部署一個服務，支援http方式呼叫。從客戶端（本地）用http方式請求其中的一個介面，並得到響應資料。同時本地透過wireshark抓包，遠端用tcpdump抓包，然後分析過程中的所有通訊細節。悲劇是把美好的東西撕碎給人看，而我則是把複雜的東西撕碎了給人看。

文章稍長，請在看本文時保持耐心。我先透過工具獲取HTTP通訊的資料包，再來抽絲剝繭，深入二進位制的天地裡，解密HTTP所有的通訊細節。分析過程中，由點到面，將相關知識串接起來。保證全篇讀完之後，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，它提供一組介面對外使用。其中有一個介面是 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）、點的座標系型別（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座標系），介面輸出的則是圍欄的面積。

我請求服務的“Fence2Area”介面，輸入圍欄(fence)頂點(lng, lat)座標、座標系型別(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）:

{"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}

請求發出後，伺服器進行處理，之後，客戶端收到返回的資料如下：

{    "data": {        "area": 48764135597.842606    },    "errstr": ""}

area欄位表示面積， errstr表示出錯資訊，空說明沒有出錯。

抓包

在真正傳送請求之前，需要進行抓包前的設定。在本地mac，我用wireshark; 而在遠端docker上，我用tcpdump工具。

mac本地

設定wireshark包過濾器，監控本地主機和遠端docker之間的通訊。

ip.addr eq docker_ip

點選開始捕獲。

遠端docker

該服務透過7080埠對外提供，使用如下命令捕獲網路包：

tcpdump -w /tmp/testHttp.cap port 7080 -s0

請求 && 分析

準備工作做完，我選了一個神聖的時刻，在本地透過瀏覽器訪問如下url:

{"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和遠端的tcpdump都能抓取到HTTP網路資料包。

關閉服務程式

正式請求之前，我們先看一下幾種特殊的情形。

首先，關閉gcs服務程式，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埠 5010, 這個埠沒有服務監聽，和關閉gcs服務程式是同樣的效果。可以看到，客戶端傳送SYN報文，但直接被遠端docker RST掉了。因為服務端作業系統找不到監聽此埠的程式。

關閉docker

關閉docker, 由於傳送的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. 最後結束。

重啟docker

先進行一次正常的訪問，隨後重啟docker。並再次在本地訪問以上url, 瀏覽器這時還是用的上一次的埠，訪問到服務端後，因為它已經重啟了，所以服務端已經沒有這個連線的訊息了。因此會返回一個RST報文。

正常請求

服務正常啟動，正常傳送請求，這次請求成功，那是當然的，嘿嘿！

這是在mac上用wireshark捕獲的資料包，共7個包，前三個包為3次握手的包，第四個包為 HTTP層傳送的請求資料，第五個包為服務端的TCP 確認報文，第六個包為服務端在 HTTP層傳送的響應資料，第七個包為mac對第六個包的確認報文。

重點來關注後面幾個包，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

我們來逐位元組分析。

剩餘的資料部分即為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：

剩下來的就是資料部分了。我們一行一行地看。因為http是字元流，所以我們先看一下ascii字符集，執行命令：

man ascii

可以得到ascii碼，我們直接看十六進位制的結果：

把上表的最後一列連起來，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收到資料後，會回覆一個ack包。第四個包的總長度為661位元組，去掉IP頭部20位元組，TCP頭部固定部分20位元組，TCP頭部可選長度為12位元組，共52位元組，因此TCP資料部分總長度為661-52=609位元組。另外，序列號為2778351310.

再來看第5個包，位元組流如下：

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

剩餘的資料部分即為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：

資料部分為空，這個包僅為確認包。

再來看第六個包，位元組流如下：

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

剩餘的資料部分即為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：

剩下來的就是資料部分了。我們一行一行地看。

把上表的最後一列連起來，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，最後一行的長度即為48個位元組。

最後，第七個包，位元組流如下：

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

剩餘的資料部分即為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協議相關的資料給解構了，下面我將對照上面的資料拆解結果，一步步帶你深入理解HTTP協議。

整體介紹

HTTP(Hypertext Transfer Protocol)超文字傳輸協議，是在網際網路上進行通訊時使用的一種協議。說得更形象一點： HTTP是現代網際網路中使用的公共語言。它最著名的應用是用在瀏覽器的伺服器間的通訊。

HTTP屬於應用層協議，底層是靠TCP進行可靠地資訊傳輸。

HTTP在傳輸一段報文時，會以 流的形式將報文資料的內容透過 一條開啟的TCP連線按序傳輸。TCP接到上層應用交給它的資料流之後，會按序將資料流打散成一個個的分段。再交到IP層，透過網路進行傳輸。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}

編碼後的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描述的資源為了能透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元；另一方面，URL還是可讀的，所以那些不可列印的字元就不能在URL中使用了，比如空格；最後，URL還得是完整的，它需要支援所有語言的字元。

總之，基於很多原因，URL設計者將US-ASCII碼和其轉義序列整合到URL中，透過轉義序列，就可以用US-ASCII字符集的有限子集對任意字元或資料進行編碼了。

轉義的方法：百分號( %)後跟著兩個表示ASCII碼的十六進位制數。比如：

所以上面在瀏覽器傳送給伺服器的URL進行了非“安全字元”編碼，也就不奇怪了吧？

在URL中，當上面的保留字元用在保留用途之外的場合時，需要對URL進行編碼。

MIME型別

響應資料中，我們注意到有一個首部：

Content-Type: text/plain; charset=utf-8

網際網路上有數千種不同的資料型別，HTTP給每種物件都打上了MIME(Multipurpose Internet Media Extension, 多用途因特網郵件擴充套件)標籤，也就是響應資料中的 Content-Type. MIME本來是用在郵件協議中的，後來被移植到了HTTP中。瀏覽器從伺服器上取回了一個物件時，會去檢視MIME型別，從而得知如何處理這種物件，是該展示圖片，還是呼叫音效卡播放聲音。MIME透過斜槓來標識物件的主型別和其中的特定的子型別，下表展示了一些常見的型別，其中的實體主體是指body部分：

URI/URL/URN

URI(Uniform Resource Identifier, 統一資源識別符號)表示伺服器資源，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透過位置、URN透過名字來標識資源。

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背後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，無論它移動到哪裡，都可以透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+伺服器地址+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)；伺服器地址，如 www.oreilly.com; 具體的資源路徑，如 index.html.

HTTP方法

HTTP支援幾種不同的請求方法，每種方法對伺服器要求的動作不同，如下圖是幾種常見的方法：

HEAD方法只獲取頭部，不獲取資料部分。透過頭部可以獲取比如資源的型別(Content-Type)、資源的長度(Content-Length)這些資訊。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用於向伺服器傳送資料，常見的是提交表單；PUT用於向伺服器上的資源儲存資料。

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串組成的，每行字串的末尾用 \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麼友好的，像thrift協議，直接甩一堆位元組給你，告訴你說 0x0001表示呼叫方法，諸如此類的，你只能對著一個十六進位制的資料塊一個個地去“解碼”。不可能像HTTP協議這樣，直接將字元編碼，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、請求資料四個部分組成。唯一要注意的一點就是，請求報文即使body部分是空的，請求頭部後的 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裡的欄位都是文字化、結構化的。而請求body卻可以包含任意二進位制資料（如圖片、影片、軟體等），當然也可以包含文字。

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直連伺服器的http埠，telnet命令會建立一條TCP通道，然後就可以透過這個通道直接傳送HTTP請求資料，獲取響應資料了。

HTTP協議進階

代理

HTTP的代理伺服器既是Web伺服器，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；網路工程師會利用代理伺服器來提高安全性，它可以限制哪些應用層的協議資料可以透過，過濾“病毒”等資料；代理可以儲存快取的檔案，直接返回給訪問者，無需請求原始的伺服器資源；對於訪問慢速網路上的公共內容時，可以假扮伺服器提供服務，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，如對付費使用者，則將請求導到快取伺服器，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資訊，如 User-Agent, Cookie等欄位。

現實中，請求透過以下幾種方式打到代理伺服器上去：

報文每經過一箇中間點（代理或閘道器），都需要在首部via欄位的末尾插入一個可以代表本節點的獨特的字串，包含實現的協議版本和主機地址。注意圖中的via欄位。

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欄位表示的中間節點的順序是剛好相反的。

快取

當有很多請求訪問同一個頁面時，伺服器會多次傳輸同一份資料，這些資料重複地在網路中傳輸著，消耗著大量頻寬。如果將這些資料快取下來，就可以提高響應速度，節省網路頻寬了。

大部分快取只有在客戶端發起請求，並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)之後內容沒有變化，伺服器會回應一個 304NotModified. 否則，伺服器會正常響應，並返回原始的檔案資料，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，伺服器回覆 200OK，並且返回完整的資料；命中時，伺服器回覆 304NotModified; 還有一種情況，快取被刪除了，那麼根據響應狀態碼，快取伺服器也會刪除自己快取的副本。

順帶提一句，若要在專案中使用快取，就一定要關注快取命中比例。若命中比例不高，就要重新考慮設定快取的必要性了。

快取伺服器返回響應的時候，是基於已快取的伺服器響應的首部，再對一些首部欄位做一些微調。比如向其中插入新鮮度資訊（如 Age, Expires首部等），而且通常會包含一個 via首部來說明快取是由一個快取代理提供的。注意，這時不要修改 Date欄位，它表示原始伺服器最初構建這條響應的日期。

HTTP透過 文件過期機制和 伺服器再驗證機制保持已快取資料和伺服器間的資料充分一致。

文件過期透過如下首部欄位來表示快取的有效期：

當上面兩個欄位暗示的過期時間已到，需要向伺服器再次驗證文件的新鮮度。如果這時快取仍和伺服器上的原始文件一致，快取只需要更新頭部的相關欄位。如上表中提到的 Expires欄位等。

為了更好的節省網路流量，快取伺服器可以透過相關首部向原始伺服器傳送一個 條件GET請求, 這樣只有在快取真正過期的情況下，才會返回原始的文件，否則只會返回相關的首部。 條件GET請求會用到如下的欄位：

cookie

cookie是伺服器“貼在”客戶端身上的標籤，由客戶端維護的狀態片段，並且只會回送給合適的站點。

有兩類cookie: 會話cookie、持久cookie. 會話cookie在退出瀏覽器後就被刪除了；而持久cookie則儲存在硬碟中，計算機重啟後仍然存在。

伺服器在給客戶端的響應欄位首部加上 Set-cookie或 Set-cookie2, 值為 名字=值的列表，即可以包含多個欄位。當下次瀏覽器再次訪問到相同的網站時，會將這些欄位透過 Cookie帶上。cookie中保留的內容是伺服器給此客戶端打的標籤，方便服務進行追蹤的識別碼。瀏覽器會將cookie以特定的格式儲存在特定的檔案中。

瀏覽器只會向產生這條cookie的站點發生cookie. Set-cookie欄位的值會包含 domain這個欄位，告知瀏覽器可以把這條cookie傳送給給相關的匹配的站點。 path欄位也是相似的功能。如i瀏覽器收到如下的cookie:

Set-cookie: user="mary"; domain="stefno.com"

那麼瀏覽器在訪問任意以 stefno.com結尾的站點都會傳送：

Cookie: user="mary"

實體和編碼

響應報文中的body部分傳輸的資料本質上都是二進位制。我們從上面的報文資料也可以看出來，都是用十六進位制數來表示，關鍵是怎麼解釋這塊內容。如果 Content-Type定義是 text/plain, 那說明body內容就是文字，我們直接按文字編碼來解釋；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資料。

Content-Length標示報文主體部分的資料長度大小，如果內容是壓縮的，那它表示的就是壓縮後的大小。另外， Content-Length在長連線的情況下，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，響應資料中必須帶上 Content-Length欄位。分塊編碼的情形中，資料被拆分成很多小塊，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的早期版本採用關閉連線的方式來劃定報文的結束。這帶來的問題是顯而易見的：客戶端並不能分清是因為伺服器正常結束還是中途崩潰了。這裡，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，因為關閉之後，就無法獲取伺服器的響應了。當然，客戶端可以採用半關閉的方式，只關閉資料傳送方向，但是很多伺服器是不識別的，會把半關閉當成客戶端要成伺服器斷開來處理。

HTTP報文在傳輸的過程中可能會遭到代理或是其他通訊實體的無意修改，為了讓接收方知道這種情況，伺服器會對body部分作一個md5, 並把值放到 Content-MD5這個欄位中。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，客戶端在收到資料後，先進行解碼，再算出md5, 並與 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在傳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。常見的編碼型別如下：

當然，客戶端為了避免伺服器返回自己不能解碼的資料，請求的時候，會在 Accept-Encoding首部裡帶上自己支援的編碼方式。如果不傳輸的話，預設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資料進行編碼，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，它是為了改變報文資料在網路上傳輸的方式。傳輸編碼是在HTTP 1.1中引入的一個新特性。

通常，伺服器需要先生成資料，再進行傳輸，這時，可以計算資料的長度，並將其編碼到 Content-Length中。但是，有時，內容是動態生成的，伺服器希望在資料生成之前就開始傳輸，這時，是沒有辦法知道資料大小的。這種情況下，就要用到 傳輸編碼來標註資料的結束的。

HTTP協議中透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（十六進位制，位元組數）和該分塊的資料。 <CR><LF>用於區隔長度值和資料。長度值不包含分塊中的任何 <CR><LF>序列。最後一個分塊，用長度值0來表示結束。注意報文首部包含一個 Trailer:Content-MD5, 所以在緊跟著最後一個報文結束之後，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。

國際化支援

HTTP為了支援國際化的內容，客戶端要告知伺服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演算法。這透過 Accept-Charset和 Accept-Language首部實現。

比如：

Accept-Language: fr, en;q=0.8Accept-Charset: iso-8859-1, utf-8

表示：客戶端接受法語(fr, 優先順序預設為1.0）、英語（en, 優先順序為0.8），支援iso-8859-1, utf-8兩種字符集編碼。伺服器則會在 Content-Type首部裡放上 charset.

本質上，HTTP報文的body部分存放的就是一串二進位制碼，我們先把二進位制碼轉換成字元程式碼（如ascii是一個位元組表示一個字元，而utf-8則表示一個字元的位元組數不定，每個字元1~6個位元組），之後，用字元程式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年就釋出了標準。ASCII碼的程式碼值從0到127, 只需要7個bit位就可以覆蓋程式碼空間。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是把每個字元編碼成固定的7位二進位制值。 UTF-8則是無固定的編碼方案。第一個位元組的高位用來表示編碼後的字元所用的位元組數（如果所用的位元組數是5，則第一個位元組前5bit都是1，第6bit是0），所需的後續的位元組都含有6位的程式碼值，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”的編碼就需要三個位元組。將 100111000100101填入上表中的 c位即可。因此，嚴的 UTF-8編碼是11100100 10111000 10100101，轉換成十六進位制就是E4B8A5. 比如我在谷歌搜尋框裡搜尋“嚴”字，google發出的請求如下：

%E4%B8%A5&oq=%E4%B8%A5&aqs=chrome..69i57j0l5.3802j0j4&sourceid=chrome&ie=UTF-8&gws_rd=cr

q=%E4%B8%A5這個就是搜尋的詞了。

重定向與負載均衡

Web內容通常分散地分佈在很多地方，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，使用者的請求會根據 負載均衡的原則，被 重定向到它應該去的地方。

HTTP重定向

伺服器收到客戶端請求後，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， 重定向伺服器找到可用的負載最小的機器，由於伺服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，由於客戶端要傳送兩次請求，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，採用演算法決定返回的IP地址。可以是簡單的 輪轉；也可以是更高階的演算法，如返回負載最輕的伺服器的IP地址，稱為 負載均衡演算法；如果考慮地理位置，返回給客戶端最近位置的地址，稱為 鄰接路由演算法；還有一種是繞過出現故障的地址，稱為 故障遮蔽演算法。

DNS伺服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，而且會快取下來，之後會一直用這個地址。所以，DNS輪轉通常不會平衡單個客戶端的負載。但是，由於DNS伺服器對於不同的請求，總是會返回輪轉後的IP地址列表，因此，會把負載分散到多個客戶端。

HTTP連線

HTTP連線是HTTP報文傳輸的關鍵通道。

並行連線

對於一個頁面上同時出現多個物件的時候，如果瀏覽器並行地開啟多個連線，同時去獲取這些物件，多個連線的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，瀏覽器要傳送4次HTTP請求來獲取頁面。1個用於頂層的HTML頁面，3個用於圖片。如果採用序列方式，那麼連線時延會進行疊加。

採用並行連線之後：

但是並行連線也不絕對提升速度，如果一個頁面有數百個內嵌物件，那要啟動數百個連線，對伺服器的效能也是非常大的挑戰。所以，通常瀏覽器會限制並行連線的總資料在一個較小的值，通常是4個，而且服務端可以隨意關閉客戶端超量的連線。

另一方面，如果客戶端網路頻寬較小，每個連線都會去爭搶有限的頻寬，每個連線都會獲取較小的速度，即每個物件都會以較小的速度去載入。這樣，並行連線帶來的速度提升就會比較小，甚至沒有提升。

持久連線

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線，完成之後要斷開連線。HTTP是無狀態的，連線之間沒有任何關係。

HTTP是應用層協議，TCP是傳輸層協議。HTTP底層仍然採用TCP進行傳輸資料。TCP為HTTP提供了一層可靠的位元傳輸通道。HTTP一般交換的資料都不大，而每次連線都要進行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%。如果能複用連線，就可以減少由於TCP三次握手所帶來的時延。

HTTP 1.1預設開啟keep-alive機制，從上面抓到的包也可以看到。這樣，資料傳輸完成之後保持TCP連線不斷開，之後同域名下複用連線，繼續用這個通道傳輸資料。伺服器在響應一個請求後，可以保持這個連線keep-alive timeout的時間，在這個時間內沒有請求，則關閉此連線；否則，重新開始倒數計時keep-alive timeout時間。

HTTP有keep-alive機制，目的是可以在一個TCP 連線上傳輸多個HTTP事務，以此提高通訊效率。底層的TCP其實也有keep-alive機制，它是為了探測TCP連線的活躍性。TCP層的keepalive可以在任何一方設定，可以是一端設定、兩端同時設定或者兩端都沒有設定。新建socket的時候需要設定，從而使得協議棧呼叫相關函式tcpsetkeepalive，來啟用連線的keep-alive屬性。

當網路兩端建立了TCP連線之後，閒置（雙方沒有任何資料流傳送往來）時間超過 tcp_keepalive_time後，伺服器核心就會嘗試向客戶端傳送偵測包，來判斷TCP連線狀況(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後再次嘗試傳送偵測包，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裡分別是15s, 30s, 45s, 60s, 75s。如果嘗試 tcp_keepalive_probes次後,依然沒有收到對方的ack包，則會丟棄該TCP連線。TCP連線預設閒置時間是2小時，一般設定為30分鐘足夠了。

管道化連線

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佇列，服務端在收到請求後，必須按照順序對應請求的響應。但由於網路環境非常複雜，因此即使請求是按順序傳送的，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引數。

為了安全起見，管道化的連線只適合“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的通訊細節了，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