本原创文章属于《Linux大棚》博客。

   博客地址为http://roclinux.cn。

   文章作者为roc wu

   ==

   【最熟悉的陌生人】

   和TCP/UDP协议比起来，HTTP协议或许更为大家所熟知，因为大家处处都可以看到http://xxx.com的字样。

   但是，真正了解HTTP协议的同学，或许只是少数，还有很多人甚至不知道“404”的含义。

   而本文，正是让大家来更深入的了解下这位最熟悉的陌生人。

   【HTTP在江湖中的地位】

   众所周知，Internet四层网络模型(也叫TCP/IP四层模型)包括数据链路层、网络层、传输层和应用层，

   网络层最著名的协议是IP协议，传输层最著名的协议是TCP协议和UDP协议，而应用层的协议众多，诸如FTP协议、TELNET协议、TFTP协议、POP协议、SMTP协议、DNS协议、SNMP协议，当然还包括了本文的主角HTTP协议。

   如果说TCP/UDP/IP协议算作幕后的英雄，那毫不夸张的说，HTTP协议则是台前最大腕的明星。

   【HTTP大概是怎样工作的】

   HTTP，是符合Client/Server模型的，总是Client端来发起请求。整个过程，可以简单分为四步：

   (1)客户端发起请求，与服务器端完成“TCP三次握手”(TCP三次握手非文本重点知识)

   (2)客户端向服务器端发出“HTTP请求报文”

   (3)服务器端在完成内部处理后，向客户端发出“HTTP响应报文”

   (4)客户端与服务器端完成“TCP四次分手”(TCP四次分手非文本重点知识)

   而HTTP协议本身是一种无状态的协议，也就是说每一个HTTP报文不依赖于其前面的报文状态。

   【HTTP的URL如何表示】

   之所以要先讲一下URL，是因为这个知识点在下文中会频繁用到。

   HTTP协议中的URL主要是用于定位服务器端资源的位置。我们来看下它的语法定义：

http://host[:port][path]
其中：
http:// 表示我们要使用HTTP协议；
host 表示一个可用的域名或IP地址；
port 为可选，表示要请求的端口号，缺省情况下为80
path 为可选，表示要请求的资源所在的路径(也叫URI)，缺省情况下为/

   【HTTP请求长什么样儿】

   我们先来看一个典型的HTTP请求报文长什么样子：

   (我们用/* */注释嵌到请求里，让大家更好的理解每一行语句的含义)

  /* 第一行叫做请求行(request)，其他的各行都叫做头部行(header) */

  /* 请求行包括三个字段：方法字段、URI字段、HTTP版本字段 */
  /* 这个例子的请求行，是要做这样一件事：用HTTP协议1.1版本，使用GET方法，
     向服务端申请/path/to/page.html资源 */
  GET /path/to/page.html HTTP/1.1 

  /* 下面都属于头部行 */

  /* Host用来指定要请求的服务器端主机为roclinux.cn */
  Host:roclinux.cn

  /* Connection:close是要告诉服务器端，我客户端不想使用持久连接，
     请服务器端在完成这次请求响应后关闭此连接。虽然这个请求报文中
     使用了支持持久连接的HTTP1.1版本，但客户端仍然不想使用持久连接 */
  Connection:close

  /* User-agent域则是用来指定当前这个请求报文是由谁产生的，通常来
     说，一般这里设置的是用户所使用的浏览器类型。不要小看这个域，一
     些用心的站长，会通过这个域来识别客户，并给不同的客户展示资源的
     不同版本呢！ */
  User-agent:Mozilla/4.0

  /* Accept-language域，则是客户端再跟服务器端说“兄弟，如果你那里有
     我申请的资源的中文版本，那就把中文版本给我；如果没有中文版本，那
     就把你的默认语言版本给我就好了。” */
  Accept-language:zh-cn

  /* 看这里，看这里！或许谁也没有注意到这里，这里有一个空行，而且是必
     须有这个空行。这是HTTP协议的硬性规定，不要忘记哦 */

   下面，用我精心画的一张图，来说明下请求报文的协议格式：

HTTP协议-请求报文格式

   从上面这个图，应该可以很清晰的看出请求报文的具体格式啦。

   【HTTP请求报文中有哪些方法】

   HTTP请求方法有很多，我们先走马观花的看看：

• GET方法：请求某资源

• POST方法：请求某资源的同时附上一些数据

• HEAD方法：请求某资源对应的响应报文头

• PUT方法：上传一个资源

• DELETE方法：删除一个资源

• TRACE方法：让服务器回送请求报文，用于调试和排障

• OPTIONS：请求服务器性能信息

• CONNECT：预留给代理服务器所用

   【怎么响应HTTP的请求】

   在了解完请求报文的格式之后，你是不是想知道HTTP协议是如何响应请求报文的呢？我们来看一个典型的响应报文：

  /* 一个响应报文，一般包括三部分，即状态行、头部行、附属体 */

  /* 第一行是状态行，包括三个字段：版本字段、状态码字段、原因短语字段 */
  /* 本例中，HTTP协议的响应报文想表达的意思是服务器使用的是HTTP协议1.1版本，
     而且找到了客户端所要的资源，且会将响应报文发给客户端，整个过程都很正常 */
  HTTP/1.1 200 0K

  /* 服务器端不会保持住这个连接，而是在回复完这个响应报文之后会断开这个连接 */
  Connectlon:close

  /* 这里记录了这个响应报文被发送出去的时间点 */
  Date: Thu, 13 Oct 2005 03:17:33 GMT

  /* Server域表明这个响应报文是有类Unix操作系统上的Apache服务器发出的，且
     Apache的版本是2.0.54 */
  Server: Apache/2.0.54 (Unix)

  /* 用于记录本响应报文中所存的数据的最后修改时间 */
  Last—Modified:Mon,22 Jun 1998 09;23;24 GMT

  /* 指出数据部分的字节数，即单位Byte */
  Content—Length:682l

  /* 指出所包含的数据是HTML文本内容 */
  Content—Type:text/html

  /* 看这里，还得看这里，和请求报文类似，这里也有一个空行，不能省哦 */

  /* 这里是实际的响应数据 */
  (data data data data …………)

   下面，我们同样来看看响应报文的协议格式：



HTTP协议-响应报文格式

   【说说HTTP的状态码】

   说到HTTP响应报文，就不得不提到HTTP状态码，及原因短语。相信大家看完这一小节后，就会很清楚404代表着什么了。

   状态码总共只有三位，第一位表示状态类别，共分五种，我们来依次看一下：

• 1xx：是进度通知类状态，意思就是说“请求我已经收到了，或你的请求我正在处理”；

• 2xx：表示“你的请求我已经成功处理了”；

• 3xx：即重定向，也就是服务器告诉客户端“你要的资源搬家了，你到某某地方再去找他吧”；

• 4xx：客户端发来的响应报文里有些错误，比如语法错误或请求的资源不存在等；

• 5xx：服务器端有些问题，已经无法处理完成你的请求了。

   其实常用的状态码并不多，我们把常见的列举在此：

• 200 OK：客户端请求成功了，客户端要的东西就在响应报文里了；

• 301 Moved Permanently：客户端啊，你要请求的资源已经永久的搬家了，我把他的新地址放到了Location头部域中了；

• 302 Moved Temporarily：客户端啊，你要请求的资源临时有事去别的地方了，我把他的位置放到了Location头部域中了，你可以先去那里找他，不过他应该是会回到他自己的家的；

• 304 Not Modified：客户端啊，你要请求的资源自从上次你请求之后，就再也没有改动过，我想你是应该早就有这个资源了，所以在响应报文的数据部分我也没有再放这个资源。

• 400 Bad Request：客户端发来的请求报文里有语法错误，服务器端实在看不懂了；

• 401 Unauthorized：客户端发来的请求不是合法来源的请求，也就是这个客户端是没有被授权的；

• 403 Forbidden：服务器端顺利收到了客户端的请求，但是因为某些理由，服务器端拒绝为他提供服务；

• 404 Not Found：客户端要请求的资源不存在，八成是资源地址写错了；

• 500 Internal Server Error：很遗憾，服务器不能给你提供服务了，服务器内部出现了不可预知的问题了；

• 502 Bad Gateway：客户端你好，我是请求报文的代理服务器，持有资源的那个服务器在给我发送资源时出问题了；

• 503 Server Unavailable：服务器现在可能是太忙了，暂时不能给你这个客户端提供服务了，或许稍后会恢复。

   【HTTP版本有几个】

   最早的HTTP版本是0.9，现在已经很少使用了。

   而基于0.9版本改进后的是HTTP1.0版本，对应的RFC编号是1945。

   现在最常用的则是基于1.0版本改进后的HTTP1.1版本，对应的RFC编号是2616，其最大的改进点就是增加了“持久连接”的内容，同时在缓存控制与多级代理方面也有不小的完善。

   【一些高级用法】

   1 HTTP1.1中，我们可以在报文中使用Cache-Control域来控制缓存策略；而在HTTP1.0中则可以使用Pragma域来控制。为了确保达到效果，我们往往会在HTTP报文中同时设置Cache-Control:no-cache和Pragma:no-cache

   2 在请求报文中，我们可以设置Accept头部域来指明客户端希望接受哪些类型的数据，比如Accept:image/gif，则表明客户端希望接收gif图片数据。当然我们可以设置很多种可接受的类型。

   3 在请求报文中，Accept-Charset则是用来设置客户端希望接受的字符集。

   4 在请求报文中，Accept-Encoding则是用来指定客户端希望接受的编码类型。

   5 在请求报文中，Accept-Language是指明客户端希望接受的语言类型，例如Accept-Language:zh-cn，表明客户端希望得到中文的内容

   6 在请求报文中，If-Modified-Since域用作缓存策略。具体的原理是这样的，浏览器本地会缓存一些数据，包括网页、图片等，而且还会同时存储这些缓存数据在服务器端的最后修改时间(Last-Modified)。当浏览器再向服务器端发起这些数据的请求时，会同时把这些数据的最后修改时间通过If-Modified-Since一起传给服务器端，服务器端一旦看到这个头部域，就会先拿这个时间戳和相应资源的最后修改时间比较下，如果相同，就说明这个资源一直以来都没有改动过，于是服务器端就不用再把这个数据重复的传给客户端了，而是直接在响应报文中返回304即可，避免了重复传输带来的带宽消耗。

   7 有些同学会感觉疑惑，为什么Last-Modified和If-Modified-Since域都是存储“最后修改时间”的，有啥区别呢。他俩的区别在于，Last-Modified域是响应报文中使用的，由服务器端发给客户端的；而If-Modified-Since则是用在请求报文中的，由客户端发给服务器端的。这两者都是用绝对时间来表示的，所以存在时间同步的问题。那有没有更好的解决办法呢，请继续往下看：)

   8 为大家隆重推出Etags和If-None-Match这一对兄弟，他俩的关系和“Last-Modified/If-Modified-Since”的关系一样，Etags(Entity Tags)是用于响应报文中的，而If-None-Match是用于请求报文中的。这对兄弟的好处在于，他们不是以绝对时间来判断数据是否被修改过，而是通过数据的某个属性值来判断，例如数据的MD5值，这样就可以很好的避免时间不同步的问题了。(除了If-None-Match外，请求报文的头部域中还可以用If-Match、If-Range来表示希望获取的Etag值)

   9 在响应报文中，可以使用Location头部域来实现重定向，比如更换了域名之后。

   10 在HTTP协议里，除了Etags/if-None-Match，Last-Modified/If-Modified-Since外，还有两对这样的兄弟，其一是Server/User-Agent，Server是服务器端用来亮明身份的，而User-Agent是客户端用来亮明身份的；另一对是Set-Cookie和Cookie，Set-Cookie用于服务器端向客户端设置cookie的，而Cookie则是客户端告诉服务器端自己的cookie的。

   11 在响应报文中，服务器端可以使用Expires域来告诉客户端最多缓存这个数据到什么时间，如果超过这个时间点的话，客户端就不要再缓存这个数据了，而是向服务器端重新发起新的请求。

   12 在响应报文中，服务器端可以使用Set-Cookie头部域向客户端设置cookie。其语法很简单，就是由多个name=value组成的，由分号间隔。例如：

Set-Cookie: ASPSESSIONIDQAQBQQQB=BEJCDGKADEDJKLKKAJEOIMMH; path=/

   13 在响应报文中，X-Powered-By头部域表示服务器端使用到的技术名称，例如X-Powered-By: ASP.NET

   【结语】

   随着你对HTTP协议掌握的越来越深入，你会发现HTTP协议里蕴藏了很多智慧和技巧，如果你和我一样是一名devops的话，对HTTP的了解和深入是必不可少的。

   谢谢！

建议继续学习：

1. HTTPS, SPDY和 HTTP/2性能的简单对比    (阅读：15911)
2. 浅析http协议、cookies和session机制、浏览器缓存    (阅读：15800)
3. 从输入 URL 到页面加载完成的过程中都发生了什么事情？    (阅读：14502)
4. HTTP协议Keep-Alive模式详解    (阅读：10618)
5. 各种浏览器审查、监听http头工具介绍    (阅读：6250)
6. nginx中对http请求处理的各个阶段分析    (阅读：6070)
7. nginx上，http状态200响应，PHP空白返回的问题    (阅读：5515)
8. 你不知道的 HTTP    (阅读：5369)
9. libevent源码浅析: http库    (阅读：4824)
10. HTTP幂等性概念和应用    (阅读：4365)