理解HTTP

HTTP 简介

• 什么是 HTTP？

  超文本传输协议（Hyper Text Transfer Protocol）。

• HTTP 是做什么的？

  规范了浏览器和服务器交互的数据格式。

• HTTP 的特点？

         ① 简单快捷: 客户向服务器请求服务时， 只需传送请求方法和路径。请求方法常用的有 GET、HEAD、POST。每种方法规定了客户与服务器联系的类型不同。由于 HTTP 协议简单，使得 HTTP 服务器的程序规模小，因而通信速度很快。

         ② 灵活：HTTP 允许传输任意类型的数据对象。正在传输的类型由 Content-Type 加以标记。

         ③ 无连接：无连接的含义是限制每次连接只处理一个请求。服务器处理完客户的请求，并收到客户的应答后，即断开连接。采用这种方式可以节省传输时间。

         ④ 无状态：HTTP 协议是无状态协议。无状态是指协议对于事务处理没有记忆能力。缺少状态意味着如果后续处理需要前面的信息，则它必须重传，这样可能导致每次连接传送的数据量增大。另一方面，在服务器不需要先前信息时它的应答就较快。 1.1版本之后支持可持续性连接。

地址

URI

       统一资源标识符（Uniform Resource Identifier）。

       Web上可用的每种资源如HTML文档、图像、视频片段、程序等都是一个来URI来定位的。

• URI一般由三部组成：

  ① 访问资源的命名机制；

  ② 存放资源的主机名；

  ③ 资源自身的名称，由路径表示，着重强调于资源。

URL

       统一资源定位符（Uniform Resource Location），URL是URI概念的一种实现方式。

       URL是Internet上描述信息资源的字符串，主要用在各种WWW客户程序和服务器程序上，采用URL可以用一种统一的格式来描述各种信息资源，包括文件、服务器的地址和目录等。

• URL一般由三部组成：

  ① 协议(或称为服务方式)；

  ② 存有该资源的主机IP地址(有时也包括端口号)；

  ③ 主机资源的具体地址。如目录和文件名等。

示例：

       例子：http://www.test.com:8080/test/index.html?id=521&page=1#str

组成	含义	例子	是否必填
协议部分	在Internet中可以使用多种协议，如http，https，ftp等。 在"http"后面的 :// 为分隔符。	http	必填
域名部分	一个URL中，也可以使用IP地址作为域名使用。	www.test.com	必填
端口部分	跟在域名后面的是端口。 域名和端口之间使用:作为分隔符。	8080	端口不是一个URL必须的部分。 如果省略端口部分，将采用默认端口。
虚拟目录部分	从域名后的第一个 / 开始到最后一个 / 为止，是虚拟目录部分。	/test/	非必填
文件名部分	从域名后的最后一个 / 开始到 ? 为止，是文件名部分。 如果没有 ? ，则是从域名后的最后一个 / 开始到 # 为止，是文件部分。 如果没有 ? 和 # ，那么从域名后的最后一个 / 开始到结束，都是文件名部分。	index.html	文件名部分也不是一个URL必须的部分。 如果省略该部分，则使用默认的文件名。
参数部分	从 ? 开始到 # 为止之间的部分为参数部分，又称搜索部分、查询部分。	id=521&page=1	非必填。 参数可以允许有多个参数，参数与参数之间用 & 作为分隔符。
锚部分	从 # 开始到最后，都是锚部分。	str	锚部分也不是一个URL必须的部分。

HTTP 请求过程

1. 域名解析

       首先浏览器会解析域名（准确的叫法应该是主机名）得到对应的IP地址。

• 怎么解析到对应的IP地址？

         ① 浏览器会首先搜索浏览器自身的DNS缓存（缓存时间比较短，大概只有1分钟，且只能容纳1000条缓存），看自身的缓存中是否有该域名对应的条目，而且没有过期，如果有且没有过期则解析到此结束；

         ② 如果浏览器自身的缓存里面没有找到对应的条目，那么浏览器会搜索操作系统自身的DNS缓存，如果找到且没有过期则停止搜索解析到此结束；

         ③ 如果在Windows系统的DNS缓存也没有找到，那么尝试读取hosts文件（位于C:\Windows\System32\drivers\etc），看看这里面有没有该域名对应的IP地址，如果有则解析成功；

         ④ 如果在hosts文件中也没有找到对应的条目，浏览器就会发起一个DNS的系统调用，就会向本地配置的首选DNS服务器（一般是电信运营商提供的，也可以使用像Google提供的DNS服务器）发起域名解析请求（通过的是UDP协议向DNS的53端口发起请求，这个请求是递归的请求，也就是运营商的DNS服务器必须得提供给我们该域名的IP地址），运营商的DNS服务器首先查找自身的缓存，找到对应的条目，且没有过期，则解析成功。如果没有找到对应的条目，则有运营商的DNS代我们的浏览器发起迭代DNS解析请求，它首先是会找根域的DNS的IP地址（这个DNS服务器都内置13台根域的DNS的IP地址），然后进一步请求；

        正常情况下通过这四步基本就能解析域名获得IP了。

2.发起TCP3次握手

       拿到域名对应的IP地址之后，User-Agent（一般是指浏览器）会以一个随机端口（1024 < 端口 < 65535）向服务器的WEB程序的80端口发起TCP的连接请求。这个连接请求（原始的http请求经过TCP/IP4层模型的层层封包）到达服务器端后（这中间通过各种路由设备，局域网内除外），进入到网卡，然后是进入到内核的TCP/IP协议栈（用于识别该连接请求，解封包，一层一层的剥开），还有可能要经过Netfilter防火墙（属于内核的模块）的过滤，最终到达WEB程序，最终建立了TCP/IP的连接。

• 为什么HTTP协议要基于TCP来实现？

         目前在Internet中所有的传输都是通过TCP/IP进行的，HTTP协议作为TCP/IP模型中应用层的协议也不例外，TCP是一个端到端的可靠的面向连接的协议，所以HTTP基于传输层TCP协议不用担心数据的传输的各种问题。

3. 建立TCP连接后发起HTTP请求

       TCP3次握手之后，浏览器发起了http的请求。HTTP请求报文格式见下文的HTTP 消息结构。

4.服务器端响应http请求，浏览器得到html代码

       服务器端WEB程序接收到http请求以后，就开始处理该请求，处理之后就返回给浏览器html文件。需要知道常见状态码，见下文。

5. 浏览器解析html代码，并请求html代码中的资源

       浏览器拿到html文件后，就开始解析其中的html代码，遇到js/css/image等静态资源时，就向服务器端去请求下载（会使用多线程下载，每个浏览器的线程数不一样），这个时候就用上keep-alive特性了，建立一次HTTP连接，可以请求多个资源，下载资源的顺序就是按照代码里的顺序，但是由于每个资源大小不一样，而浏览器又多线程请求请求资源，所以请求成功显示的顺序并不一定是代码里面的顺序。

       浏览器在请求静态资源时（在未过期的情况下），向服务器端发起一个http请求（询问自从上一次修改时间到现在有没有对资源进行修改），如果服务器端返回304状态码（告诉浏览器服务器端没有修改），那么浏览器会直接读取本地的该资源的缓存文件。

6. 浏览器对页面进行渲染呈现给用户

       浏览器利用自己内部的工作机制，把请求到的静态资源和html代码进行渲染，渲染之后呈现给用户。

HTTP 消息结构

• 客户端请求消息：

       客户端发送一个HTTP请求到服务器的请求消息包括以下格式：请求行（request line）、请求头部（header）、空行和请求数据四个部分组成，下图给出了请求报文的一般格式。

• 服务器响应消息：

  HTTP响应也由四个部分组成，分别是：状态行、消息报头、空行和响应正文。

  状态行： 协议/版本号  状态码  状态码解释。

HTTP 请求方法

       HTTP1.0定义了三种请求方法： GET，POST 和 HEAD方法。

       HTTP1.1新增了五种请求方法：OPTIONS，PUT，DELETE，TRACE 和 CONNECT 方法。

方法	说明
GET	请求指定的页面信息，并返回实体主体。一般用于获取/查询资源信息。
POST	向指定资源提交数据进行处理请求（例如提交表单或者上传文件）。数据被包含在请求体中。POST请求可能会导致新的资源的建立和/或已有资源的修改。
HEAD	类似于get请求，只不过返回的响应中没有具体的内容，用于获取报头。
PUT	从客户端向服务器传送的数据取代指定的文档的内容。
DELETE	请求服务器删除指定的页面。
CONNECT	HTTP/1.1协议中预留给能够将连接改为管道方式的代理服务器。
OPTIONS	允许客户端查看服务器的性能。
TRACE	回显服务器收到的请求，主要用于测试或诊断。

HTTP 状态码

       当浏览者访问一个网页时，浏览者的浏览器会向网页所在服务器发出请求。当浏览器接收并显示网页前，此网页所在的服务器会返回一个包含HTTP状态码的信息头（server header）用以响应浏览器的请求。

       HTTP状态码由三个十进制数字组成，第一个十进制数字定义了状态码的类型。

分类	说明
1**	信息性状态码，服务器收到请求，需要请求者继续执行操作
2**	成功状态码，操作被成功接收并处理
3**	重定向状态码，需要进一步的操作以完成请求
4**	客户端错误状态码，请求包含语法错误或无法完成请求
5**	服务器端错误状态码，服务器在处理请求的过程中发生了错误

常见的HTTP状态码：

状态码	说明
200	OK，请求成功，一般用于GET与POST请求
204	No content，表示请求成功，但响应报文不含实体的主体部分
206	Partial Content，进行范围请求

状态码	说明
301	moved permanently，永久性重定向，资源（网页等）被永久转移到其它URL
302	found，临时重定向，显式重定向，Location响应首部的值为新的URL
303	see other，表示资源存在着另一个 URL，应使用 GET 方法获取资源
304	not modified，未修改，比如本地缓存的资源文件和服务器上比较时，发现并没有修改 服务器返回一个304状态码，告诉浏览器，你不用请求该资源，直接使用本地的资源即可
307	temporary redirect，临时重定向，和302含义相同

状态码	说明
400	bad request，请求报文存在语法错误。常见有ie中文参数乱码问题
401	unauthorized，表示发送的请求需要有通过 HTTP 认证的认证信息
403	forbidden，表示对请求资源的访问被服务器拒绝
404	not found，表示在服务器上没有找到请求的资源

状态码	说明
500	internal sever error，服务器内部错误，无法完成请求
502	Bad Gateway，前面代理服务器联系不到后端的服务器时出现
503	service unavailable，表明服务器暂时处于超负载或正在停机维护，无法处理请求
504	Gateway Timeout，这个是代理能联系到后端的服务器，但是后端的服务器在规定的时间内没有给代理服务器响应

HTTP 头部参数

参数	说明
Connection	Close：告诉WEB服务器或者代理服务器，在完成本次请求的响应后，断开连接，不要等待本次连接的后续请求了。 Keep-Alive：告诉WEB服务器或者代理服务器，在完成本次请求的响应后，保持连接，等待本次连接的后续请求。
User-Agent	浏览器表明自己的身份
Content-Type	WEB 服务器告诉浏览器自己响应的对象的类型。
Cache-Control	指定请求和响应遵循的缓存机制。

HTTP 响应头信息

参数	说明
Allow	服务器支持哪些请求方法（如GET、POST等）。
Content-Encoding	文档的编码（Encode）方法。
Content-Length	表示内容长度。只有当浏览器使用持久HTTP连接时才需要这个数据。
Content-Type	表示后面的文档属于什么MIME类型。
Date	当前的GMT时间。 可以用setDateHeader来设置这个头以避免转换时间格式的麻烦。
Expires	应该在什么时候认为文档已经过期，从而不再缓存它。
Last-Modified	文档的最后改动时间。
Location	表示客户应当到哪里去提取文档。Location通常不是直接设置的，而是通过HttpServletResponse的sendRedirect方法，该方法同时设置状态代码为302。
Refresh	表示浏览器应该在多少时间之后刷新文档，以秒计。
Server	服务器名字。Servlet一般不设置这个值，而是由Web服务器自己设置。
Set-Cookie	设置和页面关联的Cookie。
WWW-Authenticate	客户应该在Authorization头中提供什么类型的授权信息？