计算机科学速成课 Crash Course Computer Science 第二十九集 互联网 The Internet

计算机科学速成课 Crash Course Computer Science

第二十九集 互联网 The Internet

我们的计算机和一个巨大的分布式网络连在一起，这个网络叫做互联网，互联网由无数互联设备组成。

计算机为了获取互联网上的资源，首先要连到局域网（LAN），家庭中的 WiFi 路由器连着的所有设备组成了局域网。

局域网再连到广域网（Wide Area Network——WAN），WAN 的路由器一般属于你的“互联网服务提供商”（Internet Service Provider——ISP），比如 Comcast，AT&T 和 Verizon 这些公司。

在广域网里，先连到一个区域性路由器，这个路由器可能覆盖一个街区。然后连到一个更大的WAN，可能覆盖整个城市。

可能再跳几次，但最终会到达互联网主干（the backbone of the internet），互联网主干由一群超大型，带宽超高路由器组成。

为了从互联网获取资源，数据包（packet）要先到互联网主干，沿着主干到达有对应资源的服务器，数据包从我们的计算机跳到有资源的服务器可能要跳个10次，先跳4次到达互联网主干，2次穿过主干，主干出来可能再跳4次，然后到达服务器。如果使用 Windows，Mac OS 或 Linux 操作系统，可以用 traceroute 来看跳了几次。

互联网协议 Internet Protocol——IP

互联网是一个巨型分布式网络，会把数据拆成一个个数据包来传输，如果要发的数据很大，数据会被拆成多个小数据包。数据包（packet）想在互联网上传输要符合“互联网协议”（Internet Protocol——IP）的标准。

因为 IP 是一个非常底层的协议，数据包的头部（前面）只有目标地址，头部存“关于数据的数据”，也叫元数据（metadata），这意味着当数据包到达对方电脑，对方不知道把包交给哪个程序，因此需要在 IP 之上开发更高级的协议。

用户数据报协议 User Datagram Protocol——UDP

这些协议里最简单最常见的叫“用户数据报协议”（User Datagram Protocol——UDP）。UDP 也有头部，这个头部位于数据前面，头部里包含有用的信息，信息之一是端口号，每个想访问网络的程序都要向操作系统申请一个端口号，例如 Skype 会申请端口 3478，当一个数据包到达时，接收方的操作系统会读 UDP 头部，读里面的端口号，如果看到端口号是 3478，就会把数据包交给 Skype。

总结：IP 负责把数据包送到正确的计算机，UDP 负责把数据包送到正确的程序。UDP 头部里还有“校验和”，用于检查数据是否正确，正如“校验和”这个名字所暗示的一样，检查方式是把数据求和来对比。例如，在发送数据包前，电脑会把所有数据加在一起算出“校验和”，在 UDP 中“校验和”以16位形式存储，如果算出来的和超过了16位所能表示的最大值，高位数会被扔掉，保留低位；当接收方电脑收到这个数据包，它会重复这个步骤把所有数据加在一起，如果结果和头部中的校验和一致则代表一切正常，如果不一致则是数据被损坏了，也许是传输时碰到了功率波动，或者是电缆出现了故障。

Unfortunately，UDP 不提供数据修复或者数据重发的机制，接收方知道数据损坏后一般只是扔掉，而且 UDP 无法得知数据包是否到达，发送方发了之后无法知道数据包是否到达目的地。这些特性似乎很糟糕，但是有些程序不在意这些问题，因为 UDP really simple and fast。

传输控制协议 Transmission Control Protocol——TCP

要实现所有数据必须到达的美好愿望，就需要用“传输控制协议”（Transmission Control Protocol——TCP）。TCP 和 UDP 一样，头部也在存数据前面，因此人们称这个组合为 TCP/IP。

就像 UDP 一样，TCP 头部也有端口号和校验和，但是 TCP 有更高级的功能，介绍重要的几个：

1. TCP 数据包有序号：15号之后是16号，16号之后是17号，以此类推，发上百万个数据包也是 possible 的。序号使接收方可以把数据包排成正确顺序，即使到达时间不同，哪怕到达顺序是乱的，TCP 协议也能把顺序排对。

2. TCP 要求接收方的电脑收到数据包并且校验和检查无误之后（数据没有损坏）给发送方发一个确认码（acknowledgement——ACK），表示收到了。得知上一个数据包成功抵达后，发送方会发下一个数据包，假设这次发出去之后没有收到确认码，那肯定是哪里出现了错误，如果过了一定时间还没有收到确认码，发送方会再发一次。注意：数据包可能确实到达了，只是确认码延误了很久或者是传输中丢失，但是由于收件方有序列号，如果收到重复的数据包就会 be discarded。

   TCP 不是只能一个包一个包发送，可以同时发多个数据包，收到多个确认码，这大大增加了效率，不用浪费时间等待确认码。

   Interestingly，确认码的成功率和来回时间可以推测网络的拥堵程度，TCP 用这个信息来调整同时发包的数量，解决拥堵问题。

TCP 可以处理乱序和丢失数据包，丢了就重新发送，还可以根据拥挤情况自动调整传输率。

TCP 最大的缺点是确认码数据包把数量翻了一倍，但是并没有传输更多的信息。有时候这种代价是不值得的，特别是对时间要求很高的程序，例如在线射击游戏。

域名系统 Domain Name System——DNS

当计算机访问一个网站时需要两个东西：IP 地址（IP address）和端口号（port）。例如 172.217.7.238 的 80 端口是谷歌的 IP 地址和端口号。事实上可以输入到浏览器里，然后直接进入谷歌首页。有了这两个东西就能访问正确的网站，但是记一长串数字很烦，google.com 比一长串数字好记，所以互联网有个特殊服务，负责把域名和 IP 地址一一对应，就像是专门为互联网的电话簿，称为“域名系统”（Domain Name System——DNS），它的运作原理：在浏览器里输入 youtube.com，浏览器会去问 DNS 服务器它的 IP 地址是多少，一般 DNS 服务器是互联网供应商提供的，DNS 会查表，如果域名存在就会返回对应的 IP 地址，如果是乱敲出来的一个网站则很可能会看到 DNS 错误，因为那个网站不存在，所以 DNS 无法返回给你一个 IP 地址，如果输入的是有效地址，DNS 按理会返回一个地址，然后浏览器会给这个 IP 地址发 TCP 请求。

如今有三千万个注册域名，所以为了更好管理，DNS 不是存成一个超级长的列表，而是存成树状结构。顶级域名（Top Level Domains——TLD）在最顶部，比如 .com 和 .gov；下一层是二级域名（second level domains），比如 .com 下面有 google.com 等等；再下一层叫子域名（subdomains），比如 images.google.com 等等。这些数据散布在很多 DNS 服务器上，不同服务器负责树的不同部分。

开放式系统互联通信参考模型 Open System Interconnection model——OSI

线路里的电信号以及无线网络里的无线信号，这些叫做“物理层”（physical layer），而“数据链路层”（data link layer）负责操控“物理层”，数据链路层包括：媒体访问控制地址（MAC），碰撞检测，指数退避，以及其他一些底层协议，再上一层是“网络层”（network layer），负责各种报文交换和路由，“传输层”（transport layer）里一大部分包括 UDP 和 TCP 这些协议，负责在计算机之间进行点到点的传输，而且还会检测和修复错误，“会话层”（session layer）会使用 TCP 和 UDP 来创建连接，传递信息，然后关掉连接，这一整套叫做“会话”，查询 DNS 或看网页时就会发生这一套流程。

这是开放式系统互联通信参考模型（Open System Interconnection model——OSI）的底下5层，这个概念性框架把网络通信划分成多层，每一层处理各自的问题。如果不分层，直接从上到下捏在一起实现网络通信是完全不可能的。抽象使得科学家和工程师能分工同时改进多个层，不被整体复杂度难倒。

OSI 模型还有两层，“表示层”（presentation layer）和“应用程序层”（application layer），其中有浏览器，Skype，HTML解码等等。