# HTTP

：超文本传输协议（Hyper Text Transfer Protocol），可以传输文本或文件，是 Web 服务器的核心通信协议。

# 原理

属于应用层协议，基于 TCP 通信。
采用 C/S 架构，工作流程如下：
1. client 访问 server 的 TCP 端口，建立 TCP 连接。
2. client 发送 HTTP 请求报文。
3. server 回复 HTTP 响应报文。

# 版本

HTTP 协议存在多个版本，服务器、客户端程序不一定兼容所有版本、特性。

# HTTP/1.0

1996 年发布。
特点：无连接。
- client 访问 server 时，需要先建立 TCP 连接，再发送 HTTP 请求报文。而 server 发送响应报文之后，就会主动关闭该 TCP 连接。
  - 因此每次 HTTP 通信之后，不会长时间保持 TCP 连接，称为无连接。
- 缺点：
  - client 多次发送 HTTP 请求时，需要多次建立 TCP 连接，耗时较大。
  - server 因为主动关闭 TCP 连接，会产生大量 TIME-WAIT 状态的 Socket ，浪费内存。
- 建议进行以下配置，启用 TCP 长连接，使得 client 可复用同一个 TCP 连接，传输多个 HTTP 请求报文、响应报文，性能更好。
  - 修改 server 的配置，允许 TCP 长连接。
  - 让 client 在 HTTP 请求报文 Headers 中加入 Connection: keep-alive ，申请保持 TCP 长连接。
特点：无状态。
- HTTP 协议不会记录通信过程中的任何信息，每次 HTTP 通信都是独立的。
- 尽管如此，server 或 client 的程序可以自己记录通信过程中的一些信息。比如 server 可以记录 client 的 IP、cookie 。

# HTTP/1.1

1997 年发布。向下兼容 HTTP/1.0 。
默认启用 TCP 长连接，除非在请求报文 Headers 中加入 Connection: close 。
增加 PUT、DELETE 等请求方法。
增加 Host、Upgrade、Cache-Control 等 Headers 。

# HTTP/2.0

2015 年发布。
以二进制格式传输报文。
- 采用 HPACK 算法压缩报文 headers ，大幅减小其体积。
- 每个 HTTP 报文分成多个二进制帧（Frame），然后通过 TCP 协议传输。
支持 TCP 多路复用：可通过同一个 TCP 连接，并行传输多个指向同一个域名的 HTTP 请求报文。
- HTTP/1 开启 TCP 长连接时，客户端可以在同一个 TCP 连接中发送多个请求报文，但只能串行传输。否则并行传输多个请求报文时，不能区分发出的 TCP 包属于哪个请求报文。
  - 假设客户端先后发出 a、b、c 三个请求报文，如果某个请求报文没传输完，则之后的请求报文都不能开始传输。该问题称为队头堵塞（Head-of-line blocking）。同理，服务器也只能按 a、b、c 的顺序回复响应报文。
- HTTP/2 的每个 HTTP 报文会分成多个 Frame ，这些 Frame 包含同样的 Stream ID ，标识它们属于同一个 HTTP 报文、同一个通信流（Stream）。
  - 因此客户端可以并行发送多个请求报文，服务器可以并行发送多个响应报文，实现时分多路复用，大幅提高通信效率。
- 与 HTTP/1 相比，TCP 多路复用的优点：
  - 不必多次创建 TCP 连接，减少了耗时、Socket 数量。
  - 共用一个 TCP 连接时，因为 TCP 慢启动，能提高传输速度。
支持服务器主动推送多个响应报文给浏览器，该操作称为 Server Push 。
- 采用 HTTP/1 协议时，浏览器访问网页的一般流程：
  1. 浏览器发送一个 HTTP 请求。
  2. 服务器返回一个 HTTP 响应，包含一个 HTML 文件。
  3. 浏览器解析 HTML 文件，发现其中依赖的 CSS 等资源，于是再发出多个 HTTP 请求。
- 采用 HTTP/2 协议且启用 Server Push 时，流程变成：
  1. 浏览器发送一个 HTTP 请求。
  2. 服务器返回一个 HTTP 响应，包含一个 HTML 文件。并且预测到浏览器还需要 CSS 等资源，于是主动推送多个响应报文，将这些资源发给浏览器。
    - HTML 的响应报文，与其它响应报文，会同时发给浏览器。
    - 服务器会在 HTML 的响应报文中，添加一些 Headers ，声明哪些资源可以预加载（preload）。例如：
      Link: </css/styles.css>; rel=preload; as=style Link: </img/logo.jpg>; rel=preload; as=image
      浏览器看到 Link 报文头，就知道从 preload 缓存中获取这些资源，不必发出 HTTP 请求。
    - Nginx 服务器的配置示例：
      server { listen 443 ssl http2; root /var/www/html; location = /index.html { # 如果浏览器请求 index.html ，则主动推送以下资源 http2_push /style.css; http2_push /logo.jpg; } }
- 优点：
  - 减少了浏览器发出的 HTTP 请求数。
  - 浏览器在解析 HTML 之前就得到了 CSS 等资源，使网页的加载耗时减少了至少一倍 RTT 。
- 缺点：
  - 服务器主动推送的资源，浏览器可能并不需要，或者浏览器之前已获取并缓存了，造成无用的网络传输。
  - 目前 Server Push 技术没有普及。2022 年，Chrome 106 开始默认禁用 Server Push 功能。
HTTP/2 协议本身不要求使用 TLS 加密，不过大部分 Web 浏览器强制要求在 TLS 加密的基础上进行 HTTP/2 通信。

# URI

：统一资源标识符（Uniform Resource Identifier)，用于表示网络中某个资源的名称或位置。

资源可以是实际存在的图片、文本文件，也可以是提供某种服务的 API 。
HTTP 通信中，客户端通常通过 URI 定位服务器上的资源。
URI 分为两种形式：
- 统一资源名称（Uniform Resource Name ，URN）：用于表示资源的名称。
- 统一资源定位符（Uniform Resource Locator ，URL）：用于表示资源的位置。

# URL

URL 的一般格式为：protocol://host:port/path/?querystring#fragment

protocol
- ：采用的通信协议，比如 HTTP、HTTPS、FTP 。
host
- ：服务器主机，可以是主机名或 IP 地址。
- protocol、host 不区分大小写，但一般小写。
port
- ：端口号。
- 如果省略不填，则使用当前通信协议的默认端口。比如 HTTP 的默认端口为 80 。
- 一个主机上可能运行了多个服务器软件，分别监听不同的端口。通过 host、port 才能定位一个唯一的服务器。
path
- ：服务器上某个资源的路径。
- 如果省略不填，则会访问根目录 / 。比如 www.baidu.com 相当于 www.baidu.com/ 。
- path 是否区分大小写，取决于服务器是否支持。比如 Linux 的文件系统区分大小写，因此运行的 HTTP 服务器默认区分大小写。而 Windows 的 NTFS 文件系统不区分大小写。
querystring
- ：查询字符串，用于传递一些键值对形式的参数（称为 Query Param）。
- 其语法格式如下：
  1. 将每个键值对的内部用 = 连接，外部用 & 分隔，拼接成一个字符串。
  2. 将该字符串经过 URLencode 编码，放到 URL 的 ? 之后。例如：HTTPS://www.baidu.com/s?ie=UTF-8&wd=hello%20world
- 某些浏览器、服务器限制了 URL 的最大长度（比如 1M），因此不能通过 querystring 传递较多的数据。
fragment
- ：片段，以 # 开头。用于定位到资源中的某一片段。
- querystring、fragment 都区分大小写。

# 请求方法

HTTP/1.0 定义了 GET、HEAD、POST 三种请求方法，HTTP/1.1 增加了六种请求方法。

GET
- ：用于请求获得（根据 URL 指定的）资源。
- 客户端发送 GET 请求报文时，报文的第一行包含了请求的 URL 。服务器一般会将回复的内容放在响应报文的 body 中，发给客户端。
HEAD
- ：与 GET 相似，但要求服务器不返回报文 body 。
POST
- ：用于向（根据 URL 指定的）资源提交数据。比如上传 HTML 表单数据、上传文件。
- 客户端发送 POST 请求报文时，通常将要提交的数据放在请求报文 body 中，发给服务器。服务器一般会回复一个状态码为 200 的报文，表示已成功收到。
- GET 偏向于只读操作，请求报文 body 为空，而 POST 偏向于写操作。
PUT
- ：用于向（根据 URL 指定的）资源更新数据。
- POST 偏向于新增资源，而 PUT 偏向于修改资源，用新数据覆盖原数据，通常具有幂等性。
DELETE
- ：用于删除资源。
CONNECT
- ：用于与代理服务器建立连接。
OPTIONS
- ：用于询问指定的 URL 允许使用哪些请求方法。
- 服务器可以在响应报文中加入 Allow: GET, HEAD 形式的 Header ，作为答复。
TRACE
- ：用于测试网络连通性。
- 要求服务器将 request body 作为 response body 。
PATCH
- ：用于给资源添加数据。
- PUT 偏向于覆盖式更新，而 PATCH 偏向于追加式更新。

# 报文

HTTP 协议以报文为单位传输消息，分为两种：

请求报文：Request message ，由客户端发出。
响应报文：Response message ，由服务器发出。

一个 HTTP 报文的结构类似于一个文本文件，从上到下分为以下几部分：

请求行 / 状态行
- ：报文的第一行内容，用于简单介绍该报文。
头部（headers）
- ：每行声明一个 header: value 格式的参数，用于描述报文的属性。
- header 名称由 ASCII 字符组成，不区分大小写。
- HTTP 协议有一些规范用途的 header ，用户也可以自定义 header 。
一个空行
- ：用于标志头部的结束。
主体（body）
- ：可以为空，也可以存放一段任意内容的数据。
- HTTP 报文的 url、header、body 都可以用于传递有意义的数据，不过 body 适合承载大量数据。

# 请求报文

例：

GET /index.html HTTP/1.1
accept: text/html,application/xhtml+xml,application/xml
cookie: gid=1311812194.1563255462; t=1

ie=UTF-8&wd=1

请求行：由请求方法名、请求的 URI 路径（域名之后的字符串）、协议版本组成。

请求报文的多种 Headers 示例：

Content-Encoding: gzip                      # 该报文 body 的编码
Content-Length: 348                         # 该报文 body 的长度
Content-Type: text/html; charset=utf-8      # 该报文 body 的类型

Host: www.baidu.com                         # 请求的服务器地址，可以包含端口号
Connection: keep-alive                      # 表示本次 HTTP 通信之后怎么处理 TCP 连接，默认为 close 。设置成 keep-alive 则保持连接
X-Requested-With: XMLHTTPRequest            # 说明该请求是 AJAX 异步请求
Origin: http://test.com                     # 说明客户端从哪个网站发出 HTTP 请求
Referer: HTTPS://test.com/                  # 说明客户端从哪个 URL 跳转到当前 URL
Cookie: gid=1311812194.1563255462; t=1

User-Agent: Chrome/75.0.3770.100            # 客户端的信息
Accept: text/html,application/xml;q=0.8     # 客户端能接受的响应 body 的 Content-Type 。可以声明多个方案，用逗号分隔。q 表示选择这种方案的优先级，默认为 1
Accept-Charset: GB2312,utf-8;q=0.7,*;q=0.7  # 客户端能接受的响应 body 编码格式
Accept-Encoding: gzip,deflate               # 客户端能接受的响应 body 压缩格式
Upgrade: HTTP/2.0,websocket                 # 仅 HTTP/1.1 支持该字段，表示客户端除了 HTTP/1.1 ，可切换到哪些通信协议。设置了此字段时必须设置 Connection: Upgrade ，表示切换通信协议

# 响应报文

例：

HTTP/1.1 200 OK
Server: nginx/1.20.1
Content-Type: text/html; charset=utf-8

<html><head><title>Index</html></head><body><h1>Hello world!</h1></body></html>

状态行：由协议版本、状态码、状态码的简单描述组成。

响应报文的多种 Headers 示例：

Status Code: 200 OK   # 返回的状态码
Allow: GET, HEAD      # 服务器允许的 HTTP 请求方法
Server: Tengine       # 服务器的名字

Location: http://127.0.0.1/index.html         # 常用于重定向的响应报文，声明一个 URL 让客户端去访问
Refresh: 5                                    # 让客户端 5 秒之后重新请求本页面
Refresh: 5; url=http://127.0.0.1/index.html   # 让客户端 5 秒之后重定向到该 URL

Date: Wed, 17 Jul 2019 10:00:00 GMT           # 服务器生成该响应报文的时刻（代理服务器不会改变该值）
Age: 2183                                     # 表示该响应报文来自代理服务器的缓存，这是该缓存的存在时长

# 状态码

服务器返回响应报文时，报文的第一行包含了一个状态码（Status Code），表示对请求报文的处理结果。

根据最高位数字的不同，可将状态码分为 5 类。常见的如下：

1××：表示服务器收到了请求，请客户端继续它的行为。
2××：表示服务器接受了请求。
- 200 ：OK 。服务器已执行请求的操作。
- 201 ：Created ，服务器已创建了请求的资源。
- 202 ：Accepted ，服务器接受了请求，但还没有执行请求的操作。常用于异步处理。
- 204 ：No Centent ，服务器没有返回任何内容。常用于不需要返回值的 HTTP 请求。
3××：表示资源重定向。
- 301 ：Moved Permanently ，资源被永久移动位置，请客户端重新发送请求到新 URI ，并且以后的请求都这样。
  - 例：客户端访问的 URI 为 /home/login 时，服务器访问 301 响应，并在响应报文的 Headers 中声明新地址 Location: /home/login/ ，请客户端访问它。
  - 浏览器会自动处理重定向请求，访问新 URI 。
- 302 ：Moved Temporarily ，资源被临时移动位置，请客户端重新发送请求到新 URI ，但以后的请求不必使用新 URI 。
- 303 ：See Other ，资源已找到，但请客户端继续向另一个 URI 发出 GET 请求。
  - 例：当客户端向 /home/login/ 发出 POST 请求进行登录之后，服务器返回 303 报文，让客户端继续向 /home/index.html 发出 GET 请求。
- 304 ：Not Modified ，资源并没有改变。
  - 例：当浏览器刷新网页时，一些静态文件通常使用 304 ，可以从浏览器的缓存中载入。
- 307 ：Temporary Redirect ，临时重定向。与 302 相似，但要求客户端在重定向之后不要改变请求方法。
  - 例：如果客户端原本发出 POST 请求，则重定向之后重新发出的请求应该依然是 POST 方法。
  - 301、302 表示客户端的请求未被服务器接受，请重新向新 URI 发出之前的请求。而 303 表示客户端的请求已被服务器接受，请继续向新 URI 发出后续请求。
    - 但大部分浏览器将 301、302 像 303 一样处理，因此后来又定义了 307 ，强调了临时重定向的规范。
  - 大部分浏览器处理 301、302 响应报文的措施：
    - 如果被重定向的是 GET、HEAD 请求，则浏览器会重新向新 URI 发出请求，沿用之前的 Query String 和 Headers 。
    - 如果被重定向的是 POST、PUT、DELETE 请求，则浏览器会重新向新 URI 发出 GET 请求，但是丢掉了之前的 POST 报文 body 。
4××：表示客户端出错。
- 400 ：Bad Request ，请求报文有错误。
- 401 ：Unauthorized ，拒绝客户端访问该资源，因为没有通过身份认证。
- 403 ：Forbidden ，禁止客户端访问该资源，且不说明理由。
- 404 ：Not Found ，服务器找不到该资源。
- 405 ：Method Not Allowed ，服务器不支持这种 HTTP 请求方法。比如向 POST 接口发送 GET 请求时会报错 405 。
5××：表示服务器出错。
- 500 ：Internal Server Error ，通常是因为服务器执行内部代码时出错。
- 502 ：Bad Gateway ，通常是因为作为网关或代理的服务器，从上游服务器收到的 HTTP 响应报文出错。
- 503 ：Service Unavailable ，请求的服务不可用。比如服务器过载时不能提供服务。
- 504 ：Gateway Timeout ，通常是因为作为网关或代理的服务器，没有及时从上游服务器收到 HTTP 响应报文。
- 505 ：HTTP Version Not Supported ，服务器不支持该请求报文采用的 HTTP 版本。

# Content-Type

报文 Headers 中的 Content-Type 用于声明报文 body 的数据类型，便于解析报文 body 。常见的几种 MIME 类型如下：

Content-Type	含义
application/x-www-form-urlencoded	默认格式，与 Query String 格式相同，通常用于传输 form 表单
application/json	JSON 格式的文本
application/javascript	js 代码，且会被浏览器自动执行
application/octet-stream	二进制数据，通常用于传输单个文件
text/plain	纯文本
text/html	HTML 格式的文本
text/javascript	js 代码
image/jpeg, image/png, image/gif	图片
multipart/form-data; boundary=----7MA4YWxkT	传输多个键值对，用 boundary 的值作为分隔符

可以在 Content-Type 中同时声明 MIME 类型和编码格式，用分号分隔，例如：Content-Type: text/html; charset=utf-8

# 缓存

Web 服务的主要耗时，是客户端发出请求之后，等待响应的耗时。
- 客户端可以缓存一个请求的响应（比如图片），如果下一个请求命中缓存，则直接使用缓存，从而大幅降低耗时。如果未命中缓存，才从服务器获取响应。
- 基础的 HTTP 客户端（比如 curl 命令）没有缓存功能，而 Web 浏览器通常会自动缓存响应报文，并自动清理。
浏览器有多种缓存位置，优先级从高到低如下：
- Service Worker ：允许通过 JS 拦截当前网页发出的所有请求，可以控制缓存，甚至自己编写响应内容。
- Memory Cache ：容量小，访问速度快，关闭浏览器时会丢失缓存。
- Disk Cache ：容量大，访问速度慢，允许同一个缓存文件被不同网站使用。

服务器可以在响应报文加入以下 Header ，让客户端自行判断是否使用缓存：

Expires: Wed, 17 Jul 2019 14:00:00 GMT    # 该响应的过期时刻，采用 GMT 时区。过期之前建议客户端使用本地缓存，过期之后再重新请求
Cache-Control: max-age=0                  # 缓存策略

Cache-Control 的取值示例：

max-age=10      # 该缓存在 10 秒后过期。缓存过期后，需要重新向服务器请求该资源，但如果不能连接服务器，则依然使用缓存
max-age=0       # 该缓存在 0 秒后过期
must-revalidate # 缓存过期后，必须重新向服务器请求该资源
no-cache        # 不能直接使用缓存，要先向服务器重新请求该资源，如果服务器返回 304 才使用缓存。相当于 max-age=0,must-revalidate
no-store        # 不保存缓存
private         # 默认值，只能在客户端缓存，不能在代理服务器缓存
public          # 客户端和代理服务器都可以缓存

例如浏览器访问一个网页时：
- 如果按 F5 刷新，则重新发出请求，根据 Header 控制缓存。
- 如果按 Ctrl+F5 强制刷新，则重新发出请求，且声明 Cache-control: no-cache 。
- 如果通过前进、后退切换网页，则不会重新发出请求，不会检查响应是否过期。

服务器可以在响应报文加入以下 Header ，让客户端与服务器协商是否使用缓存：

Last-Modified: Fri, 5 Jun 2019 12:00:00 GMT     # 该响应 body 最后一次修改的时刻
ETag: 5edd15a5-e42                              # 该响应 body 的标签值，比如哈希值

客户端需要在请求报文加入以下 Header ：

If-Modified-Since: Fri, 5 Jun 2019 12:00:00 GMT # 如果响应 body 在 Last-Modified 时刻之后并没有被修改，则请服务器返回 304 响应，让客户端使用本地缓存
If-None-Match: 5edd15a5-e42                     # 如果响应 body 的 Etag 值等于它，则请服务器返回 304 响应，让客户端使用本地缓存

允许在响应报文中同时声明多种缓存字段。
- HTTP/1.0 可以用 Expires、Last-Modified 字段控制缓存，而 HTTP/1.1 增加了 Cache-Control、Etag 字段，功能更多、优先级更高。
- 强缓存：比如 Expires、Cache-Control 两种缓存方式，不会发出请求。例如 Chrome 浏览器会为该请求显示预配的请求头（Provisional headers），和缓存的响应头、状态码。
- 协商缓存：比如 Etag、Last-Modified 两种缓存方式，依然有通信耗时，只是减少了响应 body 。
- 启发式缓存：如果响应报文中没有声明缓存字段，则浏览器默认设置响应的缓存时长为 (Now - Last-Modified)*10% ，这属于强缓存。

# Basic Auth

：HTTP 协议定义的一种简单的身份认证方式。

原理：HTTP 客户端将用户名、密码以明文方式发送给 HTTP 服务器，如果服务器认证通过则允许客户端访问，否则返回 HTTP 401 报文。
- 例如，当用户使用 Web 浏览器访问该 HTTP 服务器时，通常会显示一个对话框，要求输入用户名、密码即可。
- 实际上，HTTP 客户端会将 username:password 经过 Base64 编码之后，放在 HTTP Header 中发送给 HTTP 服务器。如下：
```
curl 127.0.0.1 -H "Authorization: Basic YWRtaW46MTIzNA=="
```
- 大部分 HTTP 客户端也支持按以下格式发送用户名、密码：
```
curl http://username:[email protected]:80
```
- Basic Auth 没有通过 Cookie 记录用户登录状态，因此浏览器重启之后，用户需要重新登录。
优点：过程简单，容易实现。
缺点：通过 HTTP Header 将用户名、密码以明文方式传输，容易泄露。
URL 中，username:[email protected]:port 三个字段的组合称为 authority 。
- 例如 URL 为 http://test:[email protected]:80/index.html 时，authority 为 test:[email protected]:80 。