主程的晋升攻略(4)：TCP、消息分包和协议设计

在《主程的晋升攻略(3)：IP、DNS和CDN》中，一次网络请求经过DNS解析知道了目的IP，现在就要发出网络包，这里我们说一说TCP的相关话题。

 

TCP是一种流式协议

讲网络编程的教科书一般都会对TCP的可靠传输，api用法做详细说明，但对于TCP是一种流式协议讲解的不多，但这背后隐藏着很重要的一个知识点。先做个名词定义方便交流，这里的“消息”是指应用层的一个完整的协议包。

 

流式协议的特点是什么？就像流水连续不断那样，消息之间没有边界。例如send了3条消息，分别是100字节、50字节、80字节，recv时可能收到的是230字节，就是说一次recv收到了3条消息，需要应用逻辑自己对recv到的数据进行分析，得出完整的消息。能一次recv到多个消息，也可能一次recv到一个半消息或半个消息，都是有可能的，这就是流式协议的特点。有的文章讲的粘包也是这个概念。

 

消息分包

既然TCP是一种流式协议，需要应用层自己来分析出完整的消息，那有哪些方式来确定一个完整消息呢？这个就是应用层通讯协议设计的工作了。

 

先看看最常见的HTTP协议是如何来分包的。HTTP协议是一种文本协议（非二进制协议），用\r\n\r\n来分割消息头和消息体，HTTP请求的消息头中有Content-Length来告知消息体有多大，如果没有该字段就表示无消息体，GET请求大多是这样。HTTP响应的消息头中，或者有Content-Length，或者有Transfer-Encoding: chunked告知以chunk模式分析消息体。

HTTP请求

 

HTTP响应1：Conetent-Length

 

HTTP响应2：Transfer-Encoding

 

 

HTTP用\r\n\r\n来分割消息头和消息体，这种用特定字符/字符串来分割或分包的方式，还有不少协议用到。例如FTP/SMTP/POP3都是用\n来作为一个命令结束的标志。这种消息分包的方式，需要应用层去扫描已recv到的数据，性能上还不够高效，代码不严谨的还容易被攻击。在需要自定义协议的项目中，不少选择用二进制协议，解析高效，安全性更好些。

 

最简单的二进制协议分包方式是消息的头4个字节表示消息的总长度。这种方式还需要对最大消息长度做个限制，例如64K或1024K大小，避免超大数据包对接收方缓冲区的破坏。更进一步的，可以加入简单校验方法。例如消息头1个字节固定式0x2，消息的最后1个字节固定式0x3，消息总长度放在第2~5字节。这样收到完整消息后，如果头尾不是0x2和0x3，就直接异常处理。

 

协议设计

消息分包是协议设计的一个工作，协议设计的话题还不少，这里以HTTP协议为例，简要的说说里面设计的点，自己设计的协议也可以对照着有选择的使用，原理是共通的。

 

由消息头+消息体组成：空行分割HTTP head和body，HTTP头的每一行以\r\n结尾，空行就是\r\n\r\n

消息分包：如上所述，HTTP用Content-Length和Transfer-Encodeing来分包

消息压缩： 请求中有Accept-Encoding字段， 响应中用Content-Encoding 字段表明压缩方式，一般采用gzip压缩

消息加密： https  (SSL: Secure Socket Layer)

消息ID：URL就是消息ID

响应的状态码：第一个数字定义了响应的类别。

    1xx：指示信息--表示请求已接收，继续处理

    2xx：成功--表示请求已被成功接收、理解、接受

    3xx：重定向--要完成请求必须进行更进一步的操作

    4xx：客户端错误--请求有语法错误或请求无法实现

    5xx：服务器端错误--服务器未能实现合法的请求

协议版本号： HTTP/1.1中的1.1就是HTTP 1.1版本

长连接技术：请求中Connection: keep-alive表示希望服务器保持连接，减少TCP连接的开销

字符集： Content-Type字段表明了字符集，例如: Content-Type: text/html; charset=gb2312

字符转义： URL中的参数需要做URL转义处理，例如 http://xx.com/do?name=t%2F%3F%23%3Daa表示name为t/?#=aa

 

在我们自己设计协议时，可以有选择的使用，如果消息比较大，可以采用支持压缩；如果要兼容多个版本的协议，那版本号必不可少。如果采用二进制协议，字符集和字符穿衣的用处不大。

 

评论

2 楼 thinkry 2014-11-25  

chenqidou 写道

引用锻炼：
评论：
上段论述提到，HTTP协议是一种文本协议，那么它在网络传输的时候是以什么格式传输呢？文本能用来传输么？我的理解是其传输必然是二进制码流传输，然后通过字节码对对应的分隔符进行解码。如果是这样，必然是二进制协议来处理的。与你上段描述也必然冲突！

你可以这样来理解：协议都使用可见字符即为文本协议，如果有不可见字符就是二进制协议。这个是在应用层的角度来说的，在TCP层他们都是二进制码流。

HTTP协议在消息体里其实也是有二进制内容的，但因为它的消息头都是文本协议，而且用\r\n\r\n来分割消息头和消息体，所以认为它是文本协议。

1 楼 chenqidou 2014-11-25  

引用锻炼：
先看看最常见的HTTP协议是如何来分包的。HTTP协议是一种文本协议（非二进制协议），用\r\n\r\n来分割消息头和消息体，HTTP请求的消息头中有Content-Length来告知消息体有多大，如果没有该字段就表示无消息体，GET请求大多是这样。HTTP响应的消息头中，或者有Content-Length，或者有Transfer-Encoding: chunked告知以chunk模式分析消息体。

评论：
上段论述提到，HTTP协议是一种文本协议，那么它在网络传输的时候是以什么格式传输呢？文本能用来传输么？我的理解是其传输必然是二进制码流传输，然后通过字节码对对应的分隔符进行解码。如果是这样，必然是二进制协议来处理的。与你上段描述也必然冲突！