PowerProxy原理篇: HTTP代理(1)

前言

今天正式开更PowerProxy系列专题，这也是我愿意倾注很多心血的一个开源项目。本专题文章按照原理，简单实现，提升性能和扩展功能的次序对PPy项目进行讲解，今天讲解的是原理篇的第一课，讲解HTTP协议。

HTTP与TCP

要实现HTTP代理，了解HTTP与TCP的关系是关键。首先我们从TCP/IP协议中看一下HTTP所处的位置，如下图所示。

由上图就可以看到，HTTP协议通常承载于TCP协议之上。有时也承载于TLS或SSL协议层上，这就是我们常说的HTTPS。默认HTTP的端口号为80，HTTPS的端口号为443。

学过网络编程的朋友，大家应该比较清楚，通常TCP层的通信，都是由套接字来完成的，也就是常说的socket通信。既然TCP通信是由socket来通信，那么HTTP通信和socket有什么关系呢？我们可以大胆地猜想，HTTP通信的实现就是在socket中传输HTTP报文。其实事实就是如此，下面我们使用Wireshark来抓一下HTTP请求，更加直观地了解HTTP连接的过程。在浏览器中访问：我的博客，抓包效果如下图所示。

从图中可以看到，HTTP通信的前提是通过TCP的三次握手建立连接，建立连接之后，才是HTTP请求的传输。据此，基本上可以确定使用socket就可以实现HTTP的通信，同时也可以确定HTTP代理是通过socket转发来实现的。

HTTP数据传输

我们了解到HTTP属于应用层协议，TCP属于传输层协议，因此HTTP的长连接与短连接本质上是TCP的长连接和短连接。

首先聊一下TCP连接的三次握手和四次挥手，这对我们了解HTTP连接为什么会有长短之分有很大的帮助。如下图所示，即为TCP三次握手，用来建立连接。

如果想断开TCP连接，则需要进行四次挥手，如下图所示。

1.TCP短连接

TCP短连接的操作步骤为：建立连接-->数据传输-->断开连接 ...... 建立连接-->数据传输-->断开连接。其运行流程为：首先client向server发起连接请求，server接到请求，然后双方建立连接。接着client向server 发送消息，server回应client，然后一次读写就完成了。最后一般是client主动断开连接，当然也有server断开连接的时候。从应用场景中可以看出TCP短连接，一般只是用来在client/server之间完成一次数据传输的操作，数据传输完成，立即关闭连接。

2.TCP长连接

TCP长连接的操作步骤为：建立连接-->数据传输 ...... (保持连接) ...... 数据传输-->断开连接。其运行流程为：首先client向server发起连接请求，server接到请求，然后双方建立连接。建立连接之后，双方开始进行数据传输，但是和短连接不同的是，完成一次数据读写，并不会立即断开连接，而是保持连接，让之后的数据传输继续使用。

3.应用场景

在现存HTTP协议中，有1.0,1.1和2.0版本，其中使用最广泛的是HTTP/1.1版本。HTTP/1.0属于过时的协议，但是依然有很少的网站在用。HTTP/2.0是下一代HTTP协议，将只用于https://网址，用来保证安全性，现在使用较少。因此下面我们从HTTP/1.0协议和HTTP/1.1协议来讲一下长连接和短连接。

在HTTP/1.0中，默认使用的是短连接。浏览器和服务器每进行一次HTTP操作，就需要建立一次连接，但数据传输结束就中断连接。当浏览器访问某个HTML网页时，如果网页中还包含着其他的Web资源，如js文件，图片等，这个时候浏览器会接着创建连接，建立HTTP会话，接收资源。

而在HTTP/1.1中，默认使用长连接。使用长连接的HTTP报文，会在响应头中加入Connection头域，并将域值设置为"keep-alive"，如下所示。

在使用长连接时，当客户端访问一个网页结束后，客户端和服务器之间的连接并不会关闭，当客户端再次访问服务器上的网页时，会继续使用已经建立的连接。但是keep-alive不会永久保持连接，它有一个保持时间，这个可以由服务器软件进行设置。如果想主动关闭连接，可以在响应头中将“keep-alive"改为"close"，如下所示。

4.优势与缺点

长连接可以减少较多的TCP建立和关闭的操作，减少服务器资源的浪费，节约时间。对于频繁请求资源的客户端来说，较适用长连接。但是存在一个问题，就是存活功能的探测周期太长。在长连接的应用场景下，客户端一般不会主动关闭它们之间的连接，客户端与服务端之间的连接如果一直不关闭的话，随着连接的增多，服务器的压力会剧增，甚至导致宕机。

短连接对于服务器来说，管理比较简单，而且存在的连接都是有效的，不需要额外的控制手段。但是如果客户端请求频繁，在进行TCP的建立和关闭操作时，将会浪费时间和带宽。

总结

由于公众平台篇幅有限，不利于文章太长，原理篇的内容下一篇接着讲解。