第二章 网络应用
3 Web应用
3.1 Web应用概述
Web与HTTP
问题： Web是由什么构成？
答：Web是由网页构成，但只有网页是不够的，是所有的网页之间互相链接，从而形成一个极其庞大的信息网络和内容网络。
问题：网页包含了多个对象，那对象又是什么？
对象如HTML文件，JPEG图片，视频文件，动态脚本等。每个网页会有一个基本的HTML文件，有包含对其它对象引用的链接。
对象的寻址：
互联网上有众多的网页，因此我们需要对其进行寻址。我们之前讲过，网络进程间的通信需要经过进程的寻址，那现在需要对web进行寻址。
Web对象通过URL（Uniform Resoure Locator）统一资源定位器 进行寻址（RFC1738）
URL有一个基本的格式：
最前面是一个基本的协议， 然后是主机（域名或IP）， 然后是端口号，最后是路径。
例子：
协议省略了HTTP，省略时我们就默认省略了HTTP。someDept是一个具体的路径，pic.gif是具体的文件名。URL使得Web所有的标识符都有了一个唯一的名字。
HTTP协议概述：
万维网应用遵循HTTP协议，叫做超文本传输协议（HyperText Transfer Protocol）.
HTTP采用C/S架构。
客户机为浏览器，作用是请求、接收、展示Web对象。
服务器—Web Serve: 作用为响应客户的请求，发送对象给客户。
最典型的WEB serve 软件是Apache。
HTTP的两个版本：
1.0 RFC 1945
1.1 RFC 2068
HTTP使用TCP传输服务
HTTP是一种无状态的协议
问题：为什么用无状态？
1、有状态的协议更加复杂。
2、需要维护这个状态，如果客户机死机了，那么两边状态就不一致了，那么需要来解决这种不一致，代价比较高。
3.2 HTTP连接类型
我们已经知道，web所遵循的应用层协议是HTTP，我们也知道，HTTP依靠TCP建立连接。那么，在对TCP的使用方法上，HTTP具有两种连接方式。
HTTP两种连接方式
非持久性连接和持久性连接
在非持久性连接中，我们建立一个TCP连接后最多允许传输一个对象。（HTTP1.0）
在持久性连接中，我们允许TCP传输多个对象，如HTTP1.1
二者之间有什么不同？
非持久性连接的工作过程：
主机请求的是，www.someSchool.edu 主机上的someDepartment目录下的home.index文件
我们假设这个HTML文件里面包含了一个基本的文本，同时还包含了指向10个jpeg图片的链接，那这10张图片将在另外的10个文件内存放。
图中从上到下时间依次推进，左边均为客户机，右边均为服务器。
在非持久性连接中，HTTP把对象发送完之后，就会关闭TCP连接，并且告知客户机。
HTTP解析并显示html文件后，发下里面居然有10个指向jepg对象 的超链接，但是此时TCP连接已经关闭，所以没有办法，客户端将会重复1~5，直到把10张图片全部显示完。
类似的情况在日常生活中，比如网速比较慢，那么网页会先把文本显示出来，后来才把一张张图片显示完全。这个就说明先收到网页解析，然后再去请求对象。
问题：这个过程的时间有多长呢？
响应时间分析与建模
我们定义RTT（Round Trip Time）为从客户端发送一个很小的数据包到服务器并返回所经历的时间。
那么从浏览器开始（即把URL输入进去开始）一直到最后你得到的文件，响应时间究竟是多少？
首先，客户端发起、建立TCP连接，这个需要一个RTT；
然后会发送HTTP请求消息到HTTP服务器，然后服务器形成响应消息直到响应消息的前几个字到达，这又是一个RTT；
然后在陆陆续续，把响应消息所包含的文件或对象传输过来，因此最后的时间为响应消息所含的文件或对象所用的传输时间。
总时间： Total = 2RTT + 文件发送时间
图示：（这个图的要求必须会画，这是在学习网络，分析网络时间的一种重要方法）
结论：一个TCP连接只用来获取一个对象
响应时间 = 两个RTT + 文件传输时间
问题：非持久性连接存在什么问题？
答： 1 慢，每个对象都需要2个RTT以上的时间才能获得，如上面的例子，我们获取一个文件加上10个图片对象，我们至少需要22个RTT加上文件传输的时间
2 操作系统建立每个TCP连接需要开销资源（overhead）
问题：那么浏览器怎么做更好？
答：如果接收到的网页可以同时建立10个TCP连接，用并行的TCP连接以获取网络资源。但是注意，TCP连接的资源是十分宝贵的，这个代价对服务器将是十分巨大的。
因此，我们应该改成持久性连接。既然TCP连接的建立是需要代价的，那么我们应该多利用利用。那么应该怎么操作？
方法是网页传过来以后，想让服务器别急着关闭TCP，保持TCP连接的打开，后续的HTTP消息可以通过这个连接发送。
这个细分的话有两种类型，一个是无流水的持久性连接：
即客户端只有收到前一个响应后才发送新的请求，那这样每个被引用的对象耗时为1个RTT。
仍然以上面的例子，第一个网页的需要两个RTT，后面的10个对象需要10个RTT，那么总共需要12个RTT。
有没有更好的方法？下面介绍带有流水机制的持久性连接
带有流水机制的持久性连接：
客户端只要遇到一个引用对象就尽快发送请求。那么在这种情况下，收到所有的引用对象只需要耗时约1个RTT。
仍然以上面的例子，一个网页为两个RTT，然后里面的十个链接只需要1个RTT，加起来大约3个RTT就可以了。
思考一下：计算机的所有协议、机制、算法都是由程序来完成的，这个程序应该怎么编写？
3.3 HTTP消息格式
HTTP协议一共有两类消息，分别是请求消息和响应消息。
请求消息使用ASCII码来写的，如图所示
这个请求消息怎么看呢？
这个消息分成这样几部分：
第一行是请求行（request line），第一个词是请求的命令，GET是其中的一个，类似的还有POST、HEAD等。后面跟的是一个URL，最后面是HTTP的版本。
第2、3、4、5行为头部行，这个是可扩展的。
Host行记录了访问地址为www.someschool.edu，你可能会问，TCP连接已经建立，为什么还要声明需要访问的主机呢？
这个问题是个好问题，这里卖个关子，这个信息是有用的，在后面讲到缓存和代理服务器时，再来说明有什么用处。
第三行：User-agent 这个代表浏览器，这个比如说是Firefox等，这个信息如果告诉服务器，服务器可以根据浏览器类型发送适合你的版本。
第四行：Connection：在这里的close表示建立完这个连接你就可以关闭了。
第五行：fr表示法语，表示客户机期望的语言。服务器可能会准备多个版本，有中文的、英文的等，看你需要哪个版本就发送哪个版本
下面有一个空行，表明消息已经结束
HTTP请求消息的通用格式：
Entity Body包含的有所携带的数据。
问题：请求消息有必要携带数据吗？
答：有些网页可能存在一些表格，这个时候是你往服务器端发送数据，那就可以放到这里面了。
问题：浏览器怎么向服务器上传数据？
答：最基本的方法有两种，一种为POST方法，一种为GET方法。
POST方法即上图所示，把数据传到Entity Body,服务器会从Entity Body中提取数据。
另外一种，我们可以用URL方法，输入信息通过request行的URL字段中上传
如下图所示：
那么我们回顾一下方法的类型：
Head方法写的是什么意思？
这里告诉服务器：请不要把请求对象放在响应消息中，这样，服务器只返回前面头部那些信息，这个主要用来做测试。
HTTP1.1又增加了两种方法，
PUT方法，可以支持上传文件和保存，delete可以删除URL字段所指定的文件。
接下来来看响应消息：
响应消息仍然是通过ASCII码来写，所以可读，如下图所示
第一条为状态行，在此处表示请求消息已经OK
头部行 Date：表示WEB服务器生成响应消息的时间，注意，隔一行后还有一个时间，下面的时间是什么意思？
下面的时间表示这个网页的上次修改时间是1998年6月22日，
Serve：用的软件是Apache ，这个是最主流的Web服务器软件
接下来是内容长度文本类型，最下面是响应消息的具体内容。
以上即表示HTTP响应消息。
下面说一下响应行表示的信息：
注意上面，200表示OK，常用的还有如下几种
作业：
换一种方式体验HTTP，如果我们想体验一下HTTP的整个过程，我们可以使用telnet
到此为止，我们已经把web应用的基本内容介绍完毕，后面还有两个扩展性的话题。
3.4 Web应用之Cookie技术
HTTP协议是一种无状态的协议，服务器不会记录客户机的历史行为，那么就会带来一些问题。
问题：为什么需要cookie？
HTTP协议是无状态的，但是很多应用仍然需要服务器掌握客户端的状态，如上网购物，那么该如何实现？或者说如何实现购物车？比如说你浏览网页买东西，逛了5个小时，放在购物车30件东西，但等你结账时只剩下一件东西，这肯定是不行的，因此有些网络应用是需要有会话状态的，那么原有的HTTP协议就不够用了，因此我们引入cookie，
Cookie技术是什么？ （RFC6265）
Cookie技术是某些网站为了辨别用户身份，进行回话（session）跟踪而存储在用户本地终端上的数据（通常经过加密）
Cookie是架设在HTTP上的一个组件，
HTTP响应消息中会增加一个cookie的头部行，因此可以想象，HTTP的头部行是可扩展的。
HTTP的请求消息也会增加cookie的头部行，客户端上有一个cookie文件，由浏览器管理，Web服务器端有专门的后台数据库，那么现在是否可以解决那个问题呢？
下面看演示
假设有一个客户要访问亚马逊，假设这个客户没有访问过，我们可以看到，客户端的cookie已经有一行了，ebay 8734 ， 首次访问时，用的是常规的HTTP请求消息，即不带cookie的头部行，当服务器收到这个常规的请求消息后，一看，咦，这个客户此前并没有访问过亚马逊，好，服务器为客户创建一个ID，ID号是1678，然后把ID号和客户信息（比如说是IP）放到数据库里面，然后在返回的响应消息中做一点手脚，这个时候我们用响应消息的头部行，加一个set-cookie 1678，浏览器收到后，会在自己的cookie中增加一行 ，客户机再访问亚马逊时，请求消息的头部行就增加了一行 ，然后服务器再看见时，就知道是哪个用户发的消息，亚马逊就会看看这个用户看过啥，是否可以推荐点啥，然后就生成一些对该客户的一些特定的动作，然后再发给用户。你肯定有过类似的体验，购物网站会给你推荐一些相似的东西。
问题：Cookie有什么用？
答：
（1） Cookie可以用于身份认证，比如说登录输入用户名密码后，浏览器提示：是不是要保存你的用户名密码？这个用的就是cookie技术
（2） 购物车
（3） 推荐
（4） Web e-mail
问题：Cookie 有什么问题？
答：最大的问题是隐私问题，你在网络上的一举一动都是被监测的。
因此很多厂商都在研究cookie的替代技术。
在本节，我们需要理解以下内容：
1 需要理解cookie的本身
2 体会有状态和无状态
3 体会HTTP原来的协议中如何扩展
思考：
3.5 Web缓存/代理服务器技术
问题：什么是Web缓存/代理服务器技术？
答：可以在访问服务器的前提下满足客户端的HTTP请求。
问题：为什么要发明这一项技术？
答：这是一项性能优化的技术，我们可以想到，任何网络应用既有功能性的一面又有性能性的一面，这个大家要注意区分清楚。
Web缓存/代理服务器技术有如下三点性能优化：
1 缩短客户请求的响应时间
2 减少机构/组织的流量
3 在大范围内实现有效的内容分发，也可以称之为CDN，内容分发网络。
听上去好像很美好，那么是如何实现？
首先，它是如下所示的结构，在客户和服务器之间，架设了一个代理服务器，
用户在访问时，都会访问这个代理服务器，浏览器会向缓存/代理服务器发送所有的HTTP请求，如果说客户所请求的缓存在缓存服务器有，缓存会返回对象；如果没有的话，缓存服务器向原始的服务器发送HTTP请求，从而获取对象，然后返回给客户端并保存该对象。缓存既充当客户端，也充当服务器，这个一般由ISP来架设。
看例子：
Web缓存示例（1）
我们看这样一个场景，上图是一个机构，内容是一个局域网，局域网的速率为10 Mbps，局域网接入到互联网，速率为1.5Mbps，
假定：
性能分析：
解决方法1：掏钱，升级为10M带宽接入互联网，
网络性能分析：
问题：成本太高
方法2 web缓存
我们在机构内部增加一个缓存服务器，接入互联网的带宽不做改动，则：
一般情况下，缓存服务器的命中率在0.2~0.7之间，这里假定命中率为0.4
网络性能分析：
40%的请求立刻得到满足
60%的请求通过原始服务器满足
接入互联网的链路的利用率下降到60%，从而其延迟可以忽略不计，例如10微秒
总的平均延迟：互联网上的延迟 + 访问延迟 + 局域网延迟 = 0.62.01秒 + 0.4n微秒 < 1.4秒，响应时间居然比花钱升级带宽效果还好。
计算机技术中广泛适用缓存，因此缓存/代理服务器技术是个普适的技术。
现在有个问题：我们说：客户访问，如果对象在代理服务器上有，自然会返回给客户，但现在，代理服务器如何保证自己的缓存就是远端服务器上的新版本？或者说缓存服务器的对象是否和远端的一致，只有一致，提供的服务才是好的服务。
解决方法：HTTP有一个条件GET方法，我们之前提到过，HTTP请求有一个Last Modified，将其结合到一起，似乎就可以解决这个问题。
如下图所示：
我们说条件性GET的基本思想是，如果缓存是最新的版本，则不需要发送请求对象。
那么我们这样解决，我们在HTTP请求消息中声明所持有版本的日期，即：
如果远端服务器版本的日期在这个日期之后，则需要将新版本发送，如果版本日期一致，则远端服务器需要告诉我没有改动。
因此在服务器端：
如果缓存的版本是最新的，则响应消息不包含对象，返回 HTTP/1.0 304 Not Modified.
因此，客户访问缓存时，缓存有必要利用条件性GET的方法向服务器发送请求，当没有发生改变时，它节省了带宽，真正改变时，它使用了带宽。
到此为止，我们把Web应用非常系统的讲完了。
课后作业：