Web和HTTP

一个新型应用即万维网（World Wide Web）Web。

HTTP概况

Web的应用层协议是超文本传输协议（HTTP），它是Web的核心。

HTTP由两个程序实现：一个用户程序和一个服务器程序。

Web页面（Web Page）（也叫文档）是由对象组成的。

一个对象只是一个文件，诸如一个HTML文件、一个JPG图形等等。

并且它们可以通过一个URL地址寻址。

多数Web页面含有一个HTML基本文件以及几个引用对象。

每个URL地址由两部分组成：存放对象的服务器主机名和对象的路径名。

例如，URL地址：http://www.someSchool.edu/someDepartment/picture.gif，其中的www.someSchool.edu就是主机名，/somDepartment/picture.gif就是路径名。

因为Web浏览器实现了HTTP的客户端，Web服务器实现了HTTP的服务器端，用于存储Web对象。

HTTP定义了Web客户向Web服务器请求Web页面的方式，以及服务器向客户发送Web页面的方式。

HTTP使用TCP作为它的支撑运输协议（而不是在UDP上运行）。

客户端的套接字接口是客户进程与TCP连接之间的门，在服务器端的套接字接口则是服务器进程与TCP连接之间的门。

客户向它的套接字接口发送HTTP请求报文并从套接字接口接受HTTP响应报文。

服务器也同理。

因此HTTP协议不用担心数据丢失，也不关注TCP从网络的数据丢失和乱序故障中恢复的细节，那是TCP的工作。

HTTP也是一个无状态协议，因为HTTP服务器并不保存关于客户的任何信息，因此某个客户短短几秒内两次请求同一个对象，服务器不会因为刚刚为客户端提供了一次对象就不做出反应了，而是重新发送对象。

非持续连接和持续连接

持续连接：所有的请求/响应对是经过一个相同的、单独的TCP连接发送。

非持续连接：每个请求/响应对分别有一个不同于其它的、单独的TCP连接发送，并且在完成一次请求/响应后，会关闭该TCP连接。

HTTP默认方式下使用持续连接，但是也可以配置成为非持续连接。

采用非持续链接的HTTP

1.HTTP客户进程在端口号80发起一个到服务器www.someSchool.edu的TCP连接。

该端口号是HTTP的默认端口。

2.HTTP客户经它的套接字向该服务器发送一个HTTP请求报文。（报文中包含了路径名/someDepartment/home.index）

3.HTTP服务器进程经它的套接字接受请求报文，并从存储器（RAM或磁盘）中检索出对象（home.index)，随后在一个HTTP响应报文中封装对象，并通过其套接字向客户端发送响应报文。

4.HTTP服务器进程通知TCP断开该TCP连接，但是实际到客户端接收到响应报文后，该TCP连接才会关闭。

5.HTTP客户接受响应报文，TCP连接关闭。

6.对每个引用的JPEG图形对象重复前四个步骤。

往返时间的定义（RTT）：

该时间是指一个短分组从客户端到服务器端再到客户端的时间。

RTT包括：分组传播时延、分组在中间路由器和交换机上的排队时延、处理时延。

采用持续连接的HTTP

在持续连接下，服务器在发送响应报文后保持TCP连接的打开。

在后续相同的客户与服务器之间，后续的请求和响应报文可以继续在该TCP连接中进行。

如果一条连接经过一定时间间隔仍未被使用，HTTP服务器会被关闭该TCP连接。

HTTP报文格式

HTTP报文有两种：

请求报文和响应报文

HTTP请求报文

HTTP请求报文的第一行叫请求行，其后继的所有行都被称为首部行。

请求行有三个字段：方法字段、URL字段、HTTP协议版本字段。

方法字段可以取不同的值，包括GET、POST、HEAD、PUT、DELETE

绝大部分的HTTP请求报文使用GET方法。

意思是请求一个对象。

下面是一个请求报文的通用格式：

此处的实体体（entity body）在POST方法时会用到该实体，在GET中用不到。

当用户提交表单时，HTTP客户常常使用POST方法。

当然，用户提交表单的时候也可以不用POST方法，转用GET方法，此时的表单字段中所请求的URL中包括了输入的数据。

例如：一个表单使用GET方法，它有两个字段：“monkeys”和“bananas”这样，该URL结构为：

www.somsites.com/animalsearch? monkey&bananas

HEAD方法类似于GET方法，使用HEAD方法，服务器仅仅返回一个HTTP报文进行响应，并不返回请求对象，因此常常被程序开发者用来测试跟踪。

PUT方法常常与Web发行工具联合使用，它允许用户上传对象到指定的Web服务器上的指定目录。

DELETE方法允许用户删除Web服务器指定对象。

HTTP响应报文

下面是一个典型的HTTP响应报文。

它包含了三个部分：

初始状态行、首部行、实体体。

实体体在响应报文中是主要组成部分，即它包含了所请求的对象本身。

Connetction ： clost代表发送报文后将关闭TCP连接。

下面是一个HTTP响应报文的通用格式。

下面是常见的状态码和短语。

用户与服务器的交互：cookie

cookie用来让web服务器识别到用户身份。

cookie技术有四个组件：

1.在HTTP响应报文中的一个cookie首部行。

2.在HTTP请求报文中的一个cookie首部行。

3.在用户端系统中保留一个cookie文件，由浏览器管理。

4.位于Web站点的一个后端数据库中。

下图是一个cookie工作过程。

Web缓存

Web缓存器也叫代理服务器。

Web缓存器有自己的磁盘存储空间。

在请求对象经过Web缓存器一般是以下情况：

1.浏览器创建一个到Web缓存器的TCP连接，并且向该Web缓存器发送一个HTTP请求。

2.Web缓存器进行检查，如果有浏览器所请求的对象，那么直接返回，否则Web缓存器建立一个到Web服务器的TCP连接，并且向Web服务器发送一个HTTP请求。

3.Web服务器接收到HTTP请求，向Web缓存器发送响应报文，并且关闭TCP连接。

4.Web缓存器接收到响应报文，并把其中的对象保存到本地磁盘中，随后将对象发送给浏览器，并且关闭TCP连接。

值得注意的是，Web缓存器既是客户又是服务器。

下面我们通过一个例子来加深对于Web缓存器设立的必要性，以及好处

我们假设对象的平均长度为1Mb，浏览器每秒发送15个请求，在因特哇那个接入链路一侧的路由器转发HTTP请求报文开始，到它接收响应报文我们硬性规定为2s。

此时局域网上的流量强度为：

接入链路上的流量强度为：

流量强度接近1，链路上的时延就会变得非常大并且无穷大的增长。

为此有两个解决方法：

1.更换更快的接入链路，但是成本非常昂贵。

2.使用Web缓存器，我们下面讨论使用Web缓存器。

假设缓存器满足请求的比率为0.4。

则40%的请求会立即被缓存器返回，只剩下60%的请求会经过15Mbps接入链路。

流量强度为：

1 × 0.6 = 0.6

则平均时延为：

约等于1.2秒。

可以看到使用缓存器的时延大大降低，并且成本相较于换链路非常低！

条件GET方法

存放在缓存器中的对象副本可能是陈旧，为此HTTP有一种机制，允许缓存器证实它的对象是最新的。

这种机制就是条件GET方法。

下面是一个简单的请求报文：

这是一个返回的响应报文：

此时条件方法报文：

If-modified-since用来确定在Web缓存器修改对象的最后时间是否与Web服务器修改对象的最后时间是否一致，如果一致则Web缓存器直接返回对象。否则，Web缓存器先从Web服务器接收最新的对象，再返回给Web浏览器。

因特网中的电子邮件

因特网电子邮件系统主要有三个组成部分：

用户代理、邮件服务器、简单邮件传输协议（SMTP）

SMTP协议

SMTP是电子邮件在应用层的协议，它依靠于TCP进行传输。

因此可以说：

SMTP一般不使用中间邮件服务器发送邮件，即使这两个邮件服务器位于地球的两端也是这样。

TCP连接可以是跨越很大的地理位置，并且建立TCP连接。

特别，如果Bob的邮件服务器没有开机，该报文会保留在Alice的邮件服务器上等待并进行新的尝试，这意味着邮件并不在中间的某个邮件服务器存留。

与HTTP的对比

HTTP主要是一个拉协议（pull protocol）

即主要是从服务器拉取信息

SMTP主要是一个推协议（push protocol）

即主要是向服务器推送信息

邮件访问协议

SMTP并不能使Bob从邮件服务器中拉取信息，因为SMTP是一个推协议。

因此人们发明了邮件访问协议，目前比较流行的访问协议：

1.第三版的邮局协议（POP3）

2.因特网的邮件访问协议(IMAP)

3.HTTP

POP3

POP3是一个极为简单的邮件访问协议，功能相当有限。

主要有三个阶段进行工作：

特许、事务处理以及更新

IMAP

基于Web的电子邮件

在这种服务中，用户代理就是普通的浏览器，用户和他远程邮箱之间的通信则通过HTTP进行。

当发件人（Alice）要发送一封电子邮件报文时，该电子邮件报文从Alice的浏览器发送到她的邮件服务器，使用的是HTTP而不是SMTP。

然后Alice的邮件服务器在与其他的邮件服务器之间发送和接收时，仍然使用的是SMTP。