web缓存策略之HTTP缓存

一. web缓存总分类

• 数据库数据缓存

  Web应用，特别是SNS类型的应用，往往关系比较复杂，数据库表繁多，如果频繁进行数据库查询，很容易导致数据库不堪重荷。为了提供查询的性能，会将查询后的数据放到内存中进行缓存，下次查询时，直接从内存缓存直接返回，提供响应效率。比如常用的缓存方案有memcached等。

• 服务器端缓存

  • 代理服务器缓存

    代理服务器是浏览器和源服务器之间的中间务器，浏览器先向这个中间服务器发起W eb求，经过处理后（比如权限验证，缓存匹配），再将请求转发到源服务器。代理 服务器存的运作原理跟浏览器的运作原理差不多，是规模更大。可以把它理解为一 个共享缓存不只为一个用户服务，一般为大量用户提供务，因此在减少相应时间和 带宽使用方面很效，同一个副本会被重用多次。常见代理服器缓存解决方案有Squid 等，这里不再详述。

  • CDN缓存-CDN缓存策略

    CDN边缘节点缓存策略因服务商不同而不同但一般都会遵循http标准协议，通过http 响 应头中的Cache-control:max-age的字段来设置CDN边缘节点数据缓存间。

    当客户端向CDN节点请求数据时，CDN节点会断缓存数据是否过期，若缓存数据并没 有 过期，则直接将缓存数据返回给客户端否则，CDN节点就会向源站发出回 源请求（bak to the sourcerequest），从源站拉取最新数据，更新本缓存，并将最新数据返回给 客户端。

    CDN服务商一般会提供基于文件后缀、目录个维度来指定CDN缓存时间，为用户提供 更 精细化的缓存管理。

    CDN缓存时间会对“回源率”产生直接的影响若CDN缓存时间较短，CDN边缘节点上的数 据 会经常失效，导致频繁回源，增加了源站的载，同时也增大的访问延时；若C DN缓存时 间太长，会带来数据更新时间慢的问题。发者需要增对特定的业务， 来做特定的数据 缓存时间管理。

    CDN缓存刷新CDN边缘节点对开发者是透明的相比于浏览器Ctrl+F5的强制刷新来使浏 览 器本地缓存失效，开发者可以通过CDN务商提供的“刷新缓存”接口来达到清 理CDN边 节点缓存的目的。这样开发者在更新数据后可以使用“刷新缓存”功能来强 制CDN节点上 的数据缓存过期，保证客户端在访问，拉取到最新的数据。

  • Combo服务

    Combo服务，也就是我们在最终拼接生成页资源引用的时候，并不是生成多个独立的 lin标签，而是将资源地址拼接成一个url路径请求一种线上的动态资源合并服务， 从而实减少HTTP请求的需求。
    /??fle1,file2,file3,...的url请求响应就动态combo服务提供的，它的原理很简单 ， 就是根据url找到对应的多个文件，合成一个文件来响应请求，并将其缓 存，以加访 问速度。

    但它也存在一些缺陷：

    浏览器有url长度限制，因此不能无限制的并资源。
    如果用户在网站内有公共资源的两个页面间转访问，由于两个页面的combo的url不 一 样导致用户不能利用浏览器缓存来加快公共资源的访问速度。如果combo的 url中任何 一个文件发生改变，都会导致整个url存失效，从而导致浏览器缓存 利用率降低。

• 浏览器端缓存

  浏览器缓存根据一套与服务器约定的规则进行工作，在同一个会话过程中会检查一次并确定缓存的副本足够新。如果你浏览过程中，比如前进或后退，访问到同一个图片，这些图片可以从浏览器缓存中调出而即时显现。

• Web应用层缓存

  应用层缓存指的是从代码层面上，通过代码逻辑和缓存策略，实现对数据，页面，图片等资源的缓存，可以根据实际情况选择将数据存在文件系统或者内存中，减少数据库查询或者读写瓶颈，提高响应效率。

前端包含浏览器端缓存和Web应用层缓存两部分。

二. http缓存

1. http缓存机制

缓存行为主要由缓存策略决定，而缓存策略由内拥有者设置。这些策略主要通过特定的HTTP头部清晰地表达。

当一个用户发起一个静态资源请求的时候，浏览会通过以下几步来获取资源：

• 本地缓存阶段：先在本地查找该资源，如果有现该资源，而且该资源还没有过期，就使用这一资源，完全不会发送http请求到服务器；

• 协商缓存阶段：如果在本地缓存找到对应的资，但是不知道该资源是否过期或者已经过期，则一个http请求到服务器,然后服务器判断这个请，如果请求的资源在服务器上没有改动过，则返304，让浏览器使用本地找到的那个资源；

• 缓存失败阶段：当服务器发现请求的资源已经修改过，或者这是一个新的请求(在本来没有找到资源)，服务器则返回该资源的数据，并且返回200， 当然这个是指找到资源的情况下，如果服务器上没有这个资源，则返回404。

• 用户操作行为与缓存
  浏览器中的操作对缓存的影响:

  • 强制刷新 – 当按下ctrl+F5来刷新页面的时候, 浏览器将绕过各种缓存(本地缓存和协商缓存), 直接让服务器返回最新的资源;
  • 普通刷新 – 当按下F5来刷新页面的时候,浏览器将绕过本地缓蹲来发送请求到服务器, 此时, 协商缓存是有效的
  • 回车或转向 – 当在地址栏上输入回车或者按下跳转按钮的时候, 所有缓存都生效

用户操作行为与缓存

1.1 本地缓存阶段（/强制缓存）

• Expires指定缓存到期GMT的绝对时间，如果设max-age，max-age就会覆盖expires。如果expire到期需要重新请求。

  Expires是HTTP/1.0控制网页缓存的字段，其值为服务器返回该请求结果缓存的到期时间，即再次发起该请求时，如果客户端的时间小于Expires的值时，直接使用缓存结果。

  Expires是HTTP/1.0的字段，但是现在浏览器默认使用的是HTTP/1.1，那么在HTTP/1.1中 网页缓存还是否由Expires控制？

  到了HTTP/1.1，Expire已经被Cache-Control替代，原因在于Expires控制缓存的原理是 使用客户端的时间与服务端返回的时间做对比，那么如果客户端与服务端的时间因为某 些原因（例如时区不同；客户端和服务端有一方的时间不准确）发生误差，那么强制缓 存则会直接失效，这样的话强制缓存的存在则毫无意义，那么Cache-Control又是如何控 制的呢？

• Cache-Control

  Cache-Control:这个是http 1.1中为了弥补Expires 缺陷新加入的。
  对已缓存的内容进行控制：

  • public：表示缓存的版本可以被代理服务器或其他中间服务器识别,所有内容都将被缓 存（客户端和代理服务器都可缓存）。

  • private： 意味着这个文件对不同的用户是不的。只有用户自己的浏览器能够进行缓 存，公共的代理服务器不允许缓,即所有内容只有客户端可以缓存，Cache-Control的默 认取值。

  • no-cache： 客户端缓存内容，但是是否使用缓存则需要经过协商缓存来验证决定意味 着文件的内容不应当被缓存。在搜索或者翻页结果中非 常有用，因为同样的URL，对应的内容会发生变化。

  • max-age:指定缓存过期的相对时间秒数，max-ag=0或是负值，浏览器会在对应的存 中把Expires设置为1970-01-01 08:00:00 。max-age=xxx (xxx isnumeric)：缓存内容将在xxx秒后失效。

  • s-maxage:类似于max-age，只用在共享缓存上，比如prxy.

  • public:通常情况下需要http身份验证的情况，响应不可cahce的，加上public可使 它被cache。

  • no-cache:强制浏览器在使用cache拷贝之前先提交一http请求到源服务器进行确。 这对身份验证来说是非常有用的,能比较好的遵守 (可以结合public进行考虑)。它对维持一个资源总是最新的也很有用，与此同时不完全 丧失cache带来的好处)，因为它在本地是有拷贝的，但是在用之都进行了确认， 这样ht tp请求并未减少，但可能会减少一个响应体。

  • no-store:告诉浏览器在任何情况下都不要进行cache不在本地保留拷贝。所有内都不 会被缓存，即不使用强制缓存，也不使用协商缓存

  • must-revalidate:强制浏览器严格遵守你设置的cache规则。

  • proxy-revalidate:强制proxy严格遵守你设置的cache规则。

  用法举例: Cache-Control: max-age=3600,must-revalidate

  cache:使用本地缓存，不发生请求。

1.2 协商缓存阶段

• Last-Modified &if-modified-sinceLast-Modified与If-ModifiedSince是一对报文头，属于http 1.0。
  last-modified是WEB服务器认为对象的最后改时间，比如文件的最后修改时间，动态页的最后产生时间。

• ETag & If-None-MatchETag与If-None-Match一对报文，属于http 1.1。
  ETag可以用来解决这种问题。ETag是一个文的唯一标志符。就像一个哈希或者指纹，每文件都有一个单独的标志，只要这个文件发了改变，这个标志就会发生变化。
  ETag机制类似于乐观锁机制，如果请求报文ETag与服务器的不一致，则表示该资源已经修改过来，需要发最新的内容给浏览器。
  同时使用这两个报文头，在完全匹配If-Modiied-Since和If-None-Match即检查完修改时和Etag之后，如都与服务器的相符，服务器回304，否则，发送最新内容给浏览器。
  Etag/lastModified过程如下：

  1.客户端请求一个页面（A）。

  2.服务器返回页面A，并在给A加上一个Last-odified/ETag。

  3.客户端展现该页面，并将页面连同Last-Modified/ETag一起缓存。

  4.客户再次请求页面A，并将上次请求时服器返回的Last-Modified/ETag一起传递给服 务器。

  5.服务器检查该Last-Modified或ETag，并断出该页面自上次客户端请求之后还未被修 改，直接返回响应304和一个空的响应体。
  304：通过If-Modified-Since If-Match判断资源是否修改，如未修改则返304，发生了一次请求，但请求内容长度为 0，节省了带宽。如果有多台负载均衡的服务器，不同服务器算出的可能不同， 这样就会造成资源的重复加载。

  Etag 主要为了解决 Last-Modified无法解决的一些问题：

  1、一些文件也许会周期性的更改，但是他内容并不改变(仅仅改变的修改时间)，这个 时候我们并不希望客户端认为这个文件被修了，而重新GET；

  2、某些文件修改非常频繁，比如在秒以下时间内进行修改，(比方说1s内修改了N次) ，If-Modified-Since能检查到的粒度是s的，这种修改无法判断(或者说UNIX记录MTIM E只能精确到秒)；

  3、某些服务器不能精确的得到文件的最后改时间。

  其他标签
  Content-Length：尽管并没有在缓存中明确及，Content-Length头部在设置缓存策略 时很重要。某些软件如果不提前获知内的大小以留出足够空间，则会拒绝缓存该内容 。

  Vary：缓存系统通常使用请求的主机和路径为存储该资源的键。当判断一个请求是否 是请求同样内容时，Vary头部可以被用提醒缓存系统需要注意另一个附加头部。它通 常被用来告诉缓存系统同样注意Accept-Encding头部，以便缓存系统能够区分压缩和未 压缩的内容。

1.3 理解浏览器的内存和硬盘储存

• 内存缓存(from memorycache)：内存缓存具有两个特点，分别是快速读和时效性：

  • 快速读取：内存缓存会将编译解析后的文件，直接存入该进程的内存中，占据该进程一定的内存资源，以方便下次运行使用时的快速读取。

  • 时效性：一旦该进程关闭，则该进程的内存则会清空。

• 硬盘缓存(from disk cache)：硬盘缓存则是直接将缓存写入硬盘文件中，读取缓存需要对该缓存存放的硬盘文件进行I/O操作，然后重新解析该缓存内容，读取复杂，速度比内存缓存慢。

在浏览器中，浏览器会在js和图片等文件解析执行后直接存入内存缓存中，那么当刷新页面时只需直接从内存缓存中读取(from memory cache)；而css文件则会存入硬盘文件中，所以每次渲染页面都需要从硬盘读取缓存(from disk cache)。

1.4 无法被浏览器缓存的请求

• HTTP信息头中包含Cache-Control:no-cache，pragma:no-cache，或Cache-Control:max-age=0等告诉浏览器不用缓存的请求
• 需要根据Cookie，认证信息等决定输入内容的动态请求是不能被缓存的
• 经过HTTPS安全加密的请求（有人也经过测试发现，ie其实在头部加入Cache-Control：max-age信息，firefox在头部加入Cache-Control:Public之后，能够对HTTPS的资源进行缓存，参考《HTTPS的七个误解》）
• POST请求无法被缓存
• HTTP响应头中不包含Last-Modified/Etag，也不包含Cache-Control/Expires的请求无法被缓存