计算机网络协议(四)——HTTP、HTTPS、P2P协议

概述

这个专栏的计算机网络协议，我是在极客时间上学习 已经有三万多人购买的刘超老师的趣谈网络协议专栏，讲的特别好，像看小说一样学习到了平时很枯燥的知识点，计算机网络的书籍太枯燥，感兴趣的同学可以去付费购买，绝对物超所值，本文就是对自己学习专栏的总结,评论区可以留下你的问题，咱们一起讨论！

上一篇文章中介绍了常见的传输层的协议，接下来开始讲应用层的协议。本文将分为三个协议给大家进行介绍：

• HTTP协议：看个新闻原来这么麻烦；
• HTTPS协议：点外卖的过程原来这么复杂；
• P2P协议：我下小电影，99%急死你；

一、HTTP协议

http://www.taobao.com 是个URL，叫作统一资源定位符;

HTTP请求的准备
系统会将http://www.taobao.com 提交给DNS服务器解析为IP地址；

目前使用的HTTP协议大部分都是1.1，默认开启Keep-Alive，建立起的TCP连接可以在多次请求中复用；

HTTP请求的构建
建立连接之后，浏览器发送HTTP的请求，请求格式如下：

HTTP分为三部分：请求行、首部、正文实体；

1.1、HTTP 1.1

第一部分：请求行
在请求行中，URL就是 http://www.taobao.com ，版本为HTTP 1.1,方法有几种类型：

• GET
  GET就是去服务器获取一些资源，可以返回的是一个网页，也有许多别的格式，比如说返回一个JSON字符串；

• POST
  需要主动告诉服务端一些信息，一般会放在正文里面。正文可以有各种各样的格式。常见的格式也是JSON；

• PUT
  向指定资源位置上传最新内容，POST往往是用来创建一个资源的，而PUT往往是用来修改一个资源；

• DELETE，删除资源，例如删除云主机；

第二部分：首部字段

首部是key value，通过冒号分隔，往往保存了一些非常重要的字段。例如，Accept-Charset，表示客户端可以接受的字符集，防止传过来的另外字符集导致乱码；

或者是Content-Type是指正文的格式，进行POST的请求，如果正文是JSON，那么我们就应该将这个值设置为JSON；

在HTTP头里面，Cache-control是用来控制缓存的。当客户端发送的请求中包含max-age指令时，如果判定缓存层中，资源的缓存时间数值比指定时间的数值小，那么客户端可以接受缓存的资源；当指定max-age值为0，那么缓存层通常需要将请求转发给应用集群。

If-Modified-Since也是一个关于缓存的，如果服务器在某段时间更新了就会下载最新资源，反之就会返回一个“304 Not Modifed”的响应；

HTTP请求的发送
HTTP协议是基于TCP，面向连接，通过stream二进制流的方式传给对方；

每发送一个报文，都需要对方有一个回应ACK,保证报文可靠传到了对方；
TCP层每发送一个报文，就会在IP头加上源地址和目标地址，交给IP层进行传输；

IP层和目标地址在一个局域网，就发送ARP协议来请求这个目标地址对应的MAC地址，然后将源MAC和目标MAC放入MAC头，发送出去即可；不在同一个局域网，就需
要发送到网关，还要需要发送ARP协议，来获取网关的MAC地址，然后将源MAC和网关MAC放入MAC头，发送出去；

网关收到包发现MAC符合，取出目标IP地址，根据路由协议找到下一跳的路由器，获取下一跳路由器的MAC地址，将包发给下一跳路由器。路由器一跳一跳终于到达目标的局域网后，找到目标机器的MAC地址进行匹配；；发现IP地址符合，根据IP头中协议项，知道自己上一层是TCP协议，于是解析TCP的头，里面有序列号，需要看一看这个序列包是不是我要的，如果是就放入缓存中然后返回一个ACK，如果不是就丢弃。

HTTP的服务器正在监听TCP的端口号，目标机器返回对应的包发送给HTTP服务器，最终就将想要看到的网页传到客户端；

HTTP返回的构建
HTTP的返回报文也是有一定格式的，基于HTTP 1.1；

• 状态码会反应HTTP请求的结果，1XX 信息，2XX 成功，3XX 重定向，4XX 客户端错误，5XX 服务器错误；
• Retry-After表示告诉客户端应该在多长时间以后再次尝试一下；
• Content-Type，表示返回的是HTML，还是JSON；

构造好了返回的HTTP报文，接下来就是把这个报文发送出去。还是交给Socket去发送，还是交给TCP层，让TCP层将返回的HTML，也分成一个个小的段，并且保证每个段都可靠到达。

这些段加上TCP头后会交给IP层，然后把刚才的发送过程反向走一遍。虽然两次不一定走相同的路径，但是逻辑过程是一样的，一直到达客户端。客户端发现MAC地址符合、IP地址符合，于是就会交给TCP层。根据序列号看是不是自己要的报文段，

如果是，则会根据TCP头中的端口号，发给相应的进程。这个进程就是浏览器，浏览器作为客户端也在监听某个端口。

当浏览器拿到了HTTP的报文。发现返回“200”，一切正常，于是就从正文中将HTML拿出来。HTML是一个标准的网页格式。浏览器只要根据这个格式，展示出一个绚丽多彩的网页。

1.2、HTTP 2.0

HTTP/1.x 缺陷
HTTP/1.x 实现简单是以牺牲性能为代价的：

客户端需要使用多个连接才能实现并发和缩短延迟；
不会压缩请求和响应首部，从而导致不必要的网络流量；
不支持有效的资源优先级，致使底层 TCP 连接的利用率低下

HTTP 2.0会对HTTP的头进行一定的压缩，将原来每次都要携带的大量key value在
两端建立一个索引表，对相同的头只发送索引表中的索引;

HTTP 2.0协议将一个TCP的连接中，切分成多个流，每个流都有自己的ID，而且流可以是客户端发往服务端，也可以是服务端发往客户端。它其实只是一个虚拟的通道。流是有优先级的。

HTTP 2.0还将所有的传输信息分割为更小的消息和帧，并对它们采用二进制格式编码。
Header帧用于传输Header内容，并且会开启一个新的流；
Data帧用来传输正文实体，多个Data帧属于同一个流；

通过这两种机制，HTTP 2.0的客户端可以将多个请求分到不同的流中，然后将请求内容拆成帧，进行二进制传输。这些帧可以打散乱序发送， 然后根据每个帧首部的流标识符重新组装，并且可以根据优先级，决定优先处理哪个流的数据；

HTTP 2.0成功解决了HTTP 1.1的队首阻塞问题，同时，也不需要通过HTTP 1.x的pipeline机制用多，条TCP连接来实现并行请求与响应；减少了TCP连接数对服务器性能的影响，同时将页面的多个数据css、js、 jpg等通过一个数据链接进行传输，能够加快页面组件的传输速度。

1.3 QUIC协议

• 自定义连接机制：UDP是无连接，是以一个64位的随机数作为ID来标识，当IP或者端口变化的时候，只要ID不变，就不需要重新建立连接。
• 自定义重传机制：QUIC中的序列号也是递增的，任何一个序列号的包只发送一次，下次就要加一，假设发送包的序号是100，再次发送的序号是101，如果返回的ACK是101就是对第二个包的响应，RTT计算相对准确；
• 无阻塞的多路复用：QUIC基于UDP,一个连接上的stream没有依赖，假如stream2丢失了一个包，后面跟着的stream3的UDP包无需等待，直接发送给用户；
• 自定义流量控制：QUIC的流量控制是通过window_update，来告诉对端它可以
  接受的字节数。但是其窗口是适应自己的多路复用机制的，不但在一个连接上控制窗口，还在一个连接中的每个stream控制窗口。

总结

• HTTP协议虽然很常用，也很复杂，重点记住GET、POST、 PUT、DELETE这几个方法，以及重要的首部字段；
• HTTP 2.0通过头压缩、分帧、二进制编码、多路复用等技术提升性能；
• QUIC协议通过基于UDP自定义的类似TCP的连接、重试、多路复用、流量控制技术，进一步提升性能。

二、HTTPS协议

用HTTP协议看个新闻倒是没啥问题，但是假如你要是在网页中下单购物，黑客截获了你的支付请求，就可以骗取你的银行卡和密码；

一般能想到的思路就是加密

加密分为：

• 对称加密；
• 非对称加密；

对称加密：

对称密钥加密（Symmetric-Key Encryption），加密和解密使用同一密钥。

• 优点：运算速度快；

• 缺点：无法安全地将密钥传输给通信方

比如：你和淘宝之间各自约定一个密钥，采用密钥加密传输，淘宝采用这个密钥解密，黑客截获你的请求，也破解不了；

存在的问题就是 你如何同淘宝之间约定同一个密钥，如果这个密钥在网络中传输，会被黑客截获的，总不能像谍战剧一样线下传输，约定同一个密钥，这对于大型互联网公司是不可能的；

常见的对称加密算法：

• DES算法：DES 加密算法是一种 分组密码，以 64 位为 分组对数据 加密，它的 密钥长度 是 56 位，加密解密 用 同一算法,破译 DES 加密算法实际上就是 搜索密钥的编码,穷举法的运算次数为 2 ^ 56 次；
• 3DES算法：基于 DES 的 对称算法，对 一块数据 用 三个不同的密钥 进行 三次加密，强度更高；
• AES算法：AES 加密算法是密码学中的 高级加密标准，该加密算法采用 对称分组密码体制，密钥长度的最少支持为 128 位、 192 位、256 位，分组长度 128 位；

非对称加密

非对称密钥加密，又称公开密钥加密（Public-Key Encryption）；加密和解密使用不同的密钥。

公开密钥所有人都可以获得，通信发送方获得接收方的公开密钥之后，就可以使用公开密钥进行加密，接收方收到通信内容后使用私有密钥解密。

• 如果使用 公钥 对数据 进行加密，只有用对应的 私钥 才能 进行解密。
• 如果使用 私钥 对数据 进行加密，只有用对应的 公钥 才能 进行解密。

非对称密钥除了用来加密，还可以用来进行签名。因为私有密钥无法被其他人获取，因此通信发送方使用其私有密钥进行签名，通信接收方使用发送方的公开密钥对签名进行解密，就能判断这个签名是否正确。
常见的非对称加密算法

• RSA算法：RSA 是第一个能同时用于 加密 和 数字签名 的算法，RSA 加密算法 基于一个十分简单的数论事实：将两个大 素数 相乘十分容易，但想要对其乘积进行 因式分解 却极其困难，因此可以将 乘积 公开作为 加密密钥。
• ECC算法：在某些情况下，它比其他的方法使用 更小的密钥，比如 RSA 加密算法，提供 相当的或更高等级 的安全级别。

数字证书

不对称加密一般通过放在公网地址上让对方下载，另一种就是在建立连接的时候，传给对方；

例如：通过以下命令创建一个私钥

openssl genrsa -out cliu8siteprivate.key 1024

再根据这个私钥，创建对应的公钥：

openssl rsa -in cliu8siteprivate.key -pubout -outcliu8sitepublic.pem

这个时候就需要权威部门的介入，就像你的户口本上只要公安局盖章之后，才能证明是你，由权威部门颁发的称为证书（Certificate）；

证书（Certificate）中包含公钥、证书的所有者、证书的发布机构和证书的有效期；

证书的生成需要权威机构去认证，就是CA（ Certificate Authority）；

采用以下命令

openssl req -key cliu8siteprivate.key -new -out cliu8sitecertifcate.req

数字证书认证机构（CA，Certificate Authority）是客户端与服务器双方都可信赖的第三方机构；要想验证证书，需要CA的公钥，，CA的公钥也需要更牛的CA给它签名，然后形成CA的证书。就像你不相信区公安局，可以打电话问市公安局，让市公安局确认区公安局的合法性。这样层层上去，直到全球皆知的几个著名大CA，称为rootCA，做最后的背书。通过这种层层授信背书的方式，从而保证了非对称加密模式的正常运转。

服务器的运营人员向 CA 提出公钥的申请，CA 在判明提出申请者的身份之后，会对已申请的公开密钥做数字签名，然后分配这个已签名的公开密钥，并将该公开密钥放入公开密钥证书后绑定在一起。

进行 HTTPS 通信时，服务器会把证书发送给客户端。客户端取得其中的公开密钥之后，先使用数字签名进行验证，如果验证通过，就可以开始通信了。

HTTPS的工作模式

当你登录一个外卖网站的时候，由于是HTTPS，客户端会发送Client Hello消息到服务器，以明文传输TLS版本信息、加密套件候选列表、压缩算法候选列表等信息。另外，还会有一个随机数，在协商对称密钥的时候使用。

类似于，“您好，我要订外卖，但你要加密我要吃的饭，再给你一个随机数留着”

外卖网站返回一个回Server Hello消息, 告诉客户端，服务器选择使用的协议版本、加密套件、压缩算法等，也会有一个随机数，用于后续的密钥协商。

类似于，“您好，保密没问题，你的加密套路还挺多，咱们就按套路2来吧，我这里也有个随机数，你也留着。”

然后外卖网站会给你一个证书，如果你不信任这个证书就拿自己信任的CA库中的CA证书的公钥去解密外卖网站的证书，成功即为可信的CA，反之不断地回溯CA,直到找到一个授信地CA即可；

证书验证完毕之后，觉得这个外卖网站可信，于是客户端计算产生随机数字Pre-master，发送Client Key Exchange，用证书中的公钥加密，再发送给服务器，服务器可以通过私钥解密出来。

目前为止，无论是客户端还是服务器，都有了三个随机数，分别是：自己的、对端的，以及刚生成的Pre-Master随机数。通过这三个随机数，可以在客户端和服务器产生相同的对称密钥。

有了对称密钥，后面就可以协商通信密钥和加密算法进行加密通信了。

总结

• 加密分对称加密和非对称加密。对称加密效率高，但是解决不了密钥传输问题；非对称加密可以解决这个问题，但是效率不高；
• 非对称加密需要通过证书和权威机构来验证公钥的合法性。
• HTTPS是综合了对称加密和非对称加密算法的HTTP协议。既保证传输安全，也保证传输效率。

三、P2P协议

最简单就是通过过HTTP进行下载，文件一大，速度就很慢；

还可以通过FTP，也即文件传输协议，FTP有两种工作模式，分别为主动模式(PORT)和被动模式(PASV)

无论是HTTP的方式，还是FTP的方式,都难以解决单一服务器的带宽压力，因为它们都是采用的传统的客户端服务器的方式；

P2P就是peer-to-peer，资源开始并不集中地存储在某些设备上，而是分散地存储在多台设备上。这些设备我们姑且称为peer。

想要下载一个文件的时候，你只要得到那些已经存在了文件的peer，并和这些peer之间，建立点对点的连接，而不需要到中心服务器上，就可以就近下载文件。一旦下载了文件，你也就成为peer中的一员，你旁边的那些机器，也可能会选择从你这里下载文件，所以当你使用P2P软件的时候，例如BitTorrent ，往往能够看到，既有下载流量，也有上传的流量，也即你自己也加入了这个P2P的网络，自己从别人那里下载，同时也提供给其他人下载。可以想象，这种方式，参与的人越多，下载速度越快，一切完美。

种子（.torrent）文件
.torrent文件由两部分组成，分别是：announce（tracker URL）和文件信息。

文件信息包含以下内容：

• info区：指定种子中的文件数、文件大小、目录结构等；
• Name字段：指定顶层目录名字；
• 每个段的大小：：BitTorrent （简称BT）协议把一个文件分成很多个小段，然后分段下载；
• 段哈希值：将整个种子中，每个段的SHA-1哈希值拼在一起；

下载时，BT客户端会先解析.torrent文件得到tracker地址，连接到tracker服务器；trakcer服务器回应下载者的请求，并返回其它下载者的IP提供给下载者，根据.torrent文件交换双方已有的块，然后交换双方没有的数据；

每下载一个块，需要算出下载块的Hash验证码，并与.torrent文件中的对比；

这种方法的弊端是太依赖tracker服务器，一旦tracker服务器出现故障或者线路遭到屏蔽，BT工具就无法正常工作；

去中心化网络（DHT）

DHT（Distributed Hash Table）

每个加入这个DHT网络的人，都要负责存储这个网络里的资源信息和其他成员的联系信息，相当于所有人一起构成了一个庞大的分布式存储数据库。

DHT中有一个Kademlia协议

任何一个BitTorrent 启动之后，都会充当两个角色：

• peer,监听TCP端口，用来上传还是下载文件；
• DHT node，监听一个UDP的端口，通过该节点加入DHT网络；

每个DHT node都有一个ID，是通过文件哈希计算出的索引(来知道某些文件保存在哪些节点中)；

DHT算法：如果一个文件计算出一个哈希值，则和这个哈希值一样的那个DHT node，就有责任知道从哪里下载这个文件，即便它自己没保存这个文件。除了一模一样的那个DHT node应该知道，ID和这个哈希值非常接近的N个DHTnode也应该知道；

ID相似，在Kademlia网络中，距离是通过异或（XOR）计算的；

在这种模式下，种子.torrent文件里面就不再是tracker的地址了，而是一个list的node的地址，而所有这些node都是已经在DHT网络里面的。当然随着时间的推移，很可能有退出的，有下线的，但是我们假设，不会所有的都联系不上，总有一个能联系上。

DHT中按照距离分层，就像你的朋友圈一样 按照亲疏程度远近分层；

DHT网络中通过Kademlia的查询机制，二分查找，对于总节点数N，只需要查询log2(N)次，如下所示：

Kademlia算法中，每个节点只有4个指令：

• PING：测试一个节点是否在线，还活着没，相当于打个电话，看还能打通不；
• STORE：要求一个节点存储一份数据，既然加入了组织，有义务保存一份数据；
• FIND_NODE：根据节点ID查找一个节点，就是给一个160位的ID，通过上面朋友圈的方式找到那个节点；
• FIND_VALUE：根据KEY查找一个数据，实则上跟FIND_NODE非常类似。KEY就是文件对应的160位的ID，就是要找到保存了文件的节点。

DHT网络中网络如何更新？

• 每个bucket里的节点，都按最后一次接触的时间倒序排列，相当于，朋友圈里面最近联系过的人往往是最熟的；
• 每次执行四个指令中的任意一个都会触发更新；
• 当一个节点与自己接触时，检查它是否已经在k-bucket中，也就是说是否已经在朋友圈。如果在，那么将它挪到k-bucket列表的最底，也就是最新的位置，刚联系过，就置顶一下，方便以后多联系；如果不在，新的联系人要不要加到通讯录里面呢？假设通讯录已满的情况，PING一下列表最上面，也即最旧的一个节点。如果PING通了，将旧节点挪到列表最底，并丢弃新节点，老朋友还是留一下；如果PING不通，删除旧节点，并将新节点加入列表，这人联系不上了，删了吧。

总结

• 下载一个文件可以使用HTTP或FTP，这两种都是集中下载的方式，而P2P则换了一种思路，采取非中心化下载的方式；
• P2P也是有两种，一种是依赖于tracker的，也即元数据集中，文件数据分散；另一种是基于分布式的 哈希算法，元数据和文件数据全部分散；