UDP和TCP的报文详解
TCP和UDP报文详解
一、先说说端口号
TCP和UDP都是位于传输层的协议，传输层负责将数据从发送端传输到接收端。
端口号（Port）标识了一台主机上正在进行通信的一个具体的应用程序，在TCP/IP协议中，使用源IP、源端口号、目的IP、目的端口号、协议号的五元组来标识一个通信，即我们只要标注出这五个数据，就能唯一确定一条通信线路。
端口号的范围划分是：
- 0~1023：知名端口号，其中HTTP、FTP、SSH等这些广泛使用的应用层协议，端口号都固定在前1024个端口号之中。
- 1024~65535：操作系统动态分配的端口号，客户端程序的端口号，会由操作系统在这个范围内进行分配。
其中知名端口号是为了方便使用，给某些服务器固定分配的端口号：
- SSH服务器：使用22端口
- FTP服务器：使用21端口
- Telnet服务器：使用23端口
- HTTP服务器：使用80端口
- HTTPS服务器：使用443端口
因此用户在写自己的程序使用端口号的时候，应该避免这些知名端口号。
一个进程可以和多个端口号绑定，即这个进程可以通过这些端口号分别建立连接，实现通信，但是一个端口号只能绑定一个进程，假如绑定多个进程，这个端口号在通信时无法判断应该将数据具体交给哪个进程！
二、Linux下查看网络状态的命令netstat
netstat是一个用来查看网络状态的重要工具，如果在Linux服务器的命令行上输入netstat显示没有该命令，则需要通过yum进行安装。
netstat [-nlptua]
命令行参数解释：
- n：拒绝显示别名，能以数字显示的全部转化为数字
- l：仅列出在Listen（监听）的服务状态
- p：显示建立相关链接的程序名
- t：仅显示TCP相关的选项
- u：仅显示UDP相关的选项
- a：（all）显示所有选项，默认不显示Listen相关
三、UDP协议
UDP协议格式：
前两行是UDP的首部，也可以叫做UDP的报头，报头总共有8个字节。UDP的报头是定长报头，固定为8个字节，因此只要取出前八个字节即可实现报头与有效载荷的分离。
第一行的前16个比特位表示UDP数据报的源端口号，即数据报是从哪里发出的，后16位则表示的是目的端口号，即数据报需要向哪里发送。在内核中是使用哈希的方式通过端口号找到相对应的目标进程。
其中第二行的前16比特位代表UDP长度，表示的是整个数据报（UDP首部加上UDP数据）的最大长度，通过这个UDP长度，我们可以计算出该UDP报文的结尾在哪里。
第二行的后16比特位代表UDP的检验和，即对整个UDP数据报进行检验，在UDP协议下，如果检验和出错，该数据报会直接被丢弃。
UDP的特点：
- 无连接：知道对端的IP和端口号就可以直接进行传输，并不需要像TCP那样经过三次握手建立通信连接，结束通信时再经过四次挥手断开连接。
- 不可靠：没有确认机制，也没有重传机制；如果因为网络原因无法发送到对方，UDP协议层也不会给应用层返回任何的错误信息。
- 面向数据报：一旦发送，就必须将整个数据报的全部内容完全发送出去，同时读端在读取数据时，要么读整个数据报，要么就不读，不能只读一半。因此UDP不能灵活控制读写数据的次数和数量。
我们可以用寄信的例子来理解UDP的传输过程：每封信都有严格的界限（被信封包好），同时在写信或读信的时候都是以整封信为单位，并不能只写半封信或者只读半封信。而且在寄信过程中，信件有可能丢失，但是信件丢失后双方都不知道这件事情。
面向数据报：
应用层给UDP交付多长的报文，UDP就会原样发送，既不会对报文进行拆分，也不会将它们合并，假如发送端调用一次sendto方法，发送了100个字节，那么接收端也必须对应只能调用一次recvfrom方法，并一次性接收100字节，而绝不能循环调用10次recvfrom方法，每次接收10字节。
UDP的缓冲区：
UDP其实并没有真正意义上的发送缓冲区，调用了sendto之后会直接交给内核，由内核将数据传给网络层协议后进行后续的传输工作。
但是UDP是具有接收缓冲区的，只是这个接收缓冲区并不能保证收到的UDP数据报的顺序与发送端发送的顺序一致，因为在网络的发送的过程中，路由选择会影响数据的传输时间；同时这个缓冲区一旦满了，溢出的UDP数据报会被直接丢弃，并且根据UDP的机制，发送端不会再重新发送这些已经溢出的数据。
UDP的socket既可以读也可以写，是全双工的socket
UDP的注意事项：
UDP协议中UDP首部有一个16位的UDP长度，也就是说一个UDP数据报能传输的数据最大长度是64KB（包含了UDP首部），64KB在现在的网络环境下是一个非常小的容量，所以如果使用UDP要传输超过64KB的数据，就需要用户在应用层手动将数据分包，使用多个UDP数据报发送，并在接收端再手动将它们拼接起来。
TCP协议
TCP的全称是：传输控制协议（Transmission Control Protocol）
TCP的协议格式：
首先需要说明的是4位报头长度，它表示该TCP头部有多少个32位bit位（即有多少个4字节），因此TCP头部的最大长度应该是(2^4-1) * 4 = 15 * 4 = 60个字节，又由示意图可以知道报头占据了20个字节，因此选项字段最多可以有40个字节。选项字段和TCP报头共同组成了TCP的头部，在读取数据时应该先读取20字节，取出4位报头长，如果4位报头长度的值为5，那么说明TCP首部长度只有4*5 = 20字节，刚刚读取的就是所有的头部内容，下面接着的就是数据内容；如果报头长度的值大于5，则后面还要读取一部分选项字段。
通过对比我们发现，TCP数据包格式中并没有像UDP数据报中的16位UDP长度字段来标识数据的整体大小，这与两者的传输方式有关，UDP是面向数据报传输，每次要传输一个完整的数据报，所以必须标出每个数据报的具体大小，但是TCP是面向字节流传输的，可以一个字节一个字节传输，因此TCP可以一个字节一个字节放在缓冲区就行了，应用层想读多少根据应用层来自行决定。通过TCP的16位检验和，可以判断数据完整性，因此TCP不需要在数据格式中添加具体的数据长度了。
因为TCP是安全的传输协议，因此它采用了确认应答机制，这种机制的可靠性体现在：只要收到了对应的应答，就可以认为，之前的数据对方已经收到了！
现在的ACK其实是可以携带数据的，但是我们在这里方便理解，就先认为它并不携带数据，只是对收到数据做出应答。所以在计算机通信中并不存在绝对可靠，因为ACK只能保证ACK前的数据收到了，但是最新的一条通信数据永远无法被ACK。如上图中的ACK2，就没有人可以保证它的可靠性啦。
32位序号：因为TCP是可靠传输，所以发送的信息顺序也要保证接收方接受的顺序一致，但是如果有多条数据，在发送过程中因为路由选择不同，一定是会有先发出的后到达，后发出的先到达的现象。所以就需要给数据进行编号，这样接收方根据编号再将数据进行排列，这样就可以保证数据报文的顺序了，32位序号应该有发送方在发送数据报之前填写完毕。
32位确认序号：我们已经知道了TCP是确认应答机制，所以如果发送方发送了三份报文，分别编号5,6,7。接收方也会返回三条ACK确认信息，我们怎么知道这三条ACK分别确认的是哪条报文呢？这里就要用到确认序号，但是这里有一个重要的点：ACK所携带的确认序号是报文序号 + 1,即确认5号报文的确认序号是6；确认6号报文的确认序号是7；确认7号报文的确认序号是8。原因是确认序号告知的是发送方，前面的报文我已经收到了，下一份报文应该从确认序号开始发送！如果在接收方发送ACK过程中，7,8两个ACK丢失，发送方只收到了9号ACK，发送方还会去发送6,7两份报文吗？不会！9号ACK代表这前面所有的报文接收方都收到了，发送方只需要继续从9号报文开始发送就行了！所以确认序号的存在，允许TCP中出现少量的丢包现象。假如发送方给接收方发送了0到10000号报文，但是只收到了确认序号为5000的ACK，发送方会认为：0~4999号报文接收方一定收到了，但是后面的报文无法保证，所以会从5000开始重新发送。
这里还会有一个高频的面试题：为什么TCP要成对出现序号和确认序号？只有序号不就行了吗？发送方在这里填写序号，接收方在这里填写确认序号即可。
原因是TCP也是全双工的通信协议，双方在建立通信后，都可以发送消息也都可以接收消息，当作为发送方时，自己要编写序号，同时要留意对方给自己返还的确认序号；但当自己作为接收方时，也要按对方填写的序号将收到的信息排序，并将自己确认收到的信息序号加1作为确认序号返还给对方。
16位窗口大小：发送方的接收缓冲区剩余空间的大小，通过这个可以实现流量控制。虽然TCP不像UDP那样，缓冲区溢出后，会导致丢包，因为TCP会有重传机制，但是传输过去的信息已经耗费了网络资源，再次传输会继续消耗网络资源，这对于网络通信是非常浪费的行为。因此我们设置了窗口大小，发送方可以在报文中告知对方，我的接收缓冲区剩余空间还有多少，这样等到接收方给发送方发送数据时，可以防止对方发送数据过多；而接收方在接收到消息后返还的ACK报文中也可以带上自己接受缓冲区剩余空间的大小，方便发送方控制自己的发送数据量。
TCP协议下，接收端会接收到大量形形色色的报文，怎么该辨别每个报文分别是干什么的呢？因此就需要六个标志位来帮助接收端识别自己接收的报文的身份。比如ACK报文的ACK标志位会被设置为1，当接收端发现之后，就知道这份报文是作为ACK确认发送过来的，就需要着重注意一下它的确认序号。
六个标志位：
- URG：紧急指针是否有效
- ACK：确认号是否有效
- PSH：提示接收端应用程序立刻从TCP缓冲区将数据读走
- RST：对方要求重新建立连接；我们将携带RST标识的报文称为复位报文段
- SYN：请求建立连接；将携带SYN标识的报文称为同步报文段
- FIN：通知对方，本端即将关闭，将携带了FIN标识的报文称为结束报文段
这里SYN和ACK以及FIN我们应该都较为熟悉，重点介绍一下PSH、RST和URG三个标志位
PSH(Push)：是在提示接收端，接收端的接收缓冲区快要满了。因为经过上面的窗口大小我们知道，接收端返回的ACK中也会标上自己缓冲区的大小，所以发送端是可以知道接收端的剩余缓冲区还有多少，当发送端发现接收端的接收缓冲区大小快要满了，就会在报文上携带PSH标志位，来提醒接收端的应用层程序立即将接收缓冲区中的数据读取完毕，这样不会延误自己继续发送数据的效率。
RST(Reset)：即要求重新建立连接，我们举个例子来对它进行解释：
上图中①，②，③表示我们TCP建立连接的三次握手，其中①，②两份数据报丢失我们都不担心，因为此时并没有建立起来连接，所以只需要再次发送SYN重新建立连接就行了，但是如果③号报文，即客户端给服务器的ACK丢包，那问题就严重了。我们上文谈过ACK的确认应答机制并非绝对安全，永远有一条最新的数据是无法被确认的，③号的ACK就是这条数据。当客户端发出③号ACK后，就认为TCP连接已经建立，开始准备发送数据，但是如果发生了极小概率时间，该报文丢失了，那么就会产生一个信息差：客户端认为TCP连接已经建立，但是服务器没有收到客户端的ACK，认为三次握手失败，TCP连接建立失败！
此时客户端给服务器发送数据，服务器发现TCP并没有建立，对端还在给自己发送数据，就会意识到，在TCP连接建立过程中出现了问题，此时服务器就会给客户端发送一个报文，其中携带着RST标志位，告诉客户端，你要重新建立TCP连接！当客户端收到这份报文，就意识到TCP并没有建立成功，此时它就会停止发送数据，继续上面的三次握手，重新建立TCP连接了。同理，如果TCP传输过程中，客户端突然断开连接，并没有进行四次挥手，服务器还认为TCP连接存在，给客户端发了数据，客户端收到后，也会发送一个携带RST标志位的报文返给服务器，但是不同的是服务器看到这份报文后，就会断开连接了，因为建立连接永远是客户端向服务器请求，服务器是不会主动向客户端请求连接的。
URG(urgent)：（不重要，已经很少使用）如果我们发送的某些信息，发出后就后悔了，不想让对方收到这些信息，所以需要发出通知让对方不要接收刚才的消息，但是因为TCP的有序性，对方收到不要接收信息的通知一定是晚于接收信息到达对方那里的，所以需要一种打破按序到达的机制。打个比方，我们在医院的挂号处排队，先来的排在前面，但是这时来了一位急诊病人，我们就会让他先去挂号。URG标志位被设置后，说明这份报文中有些数据是需要被优先处理的。即16位紧急指针。16位紧急指针是个偏移量，将起始地址加上偏移量后，就可以指向紧急数据。我们可以找到紧急数据的起始地址，但是它并没有标识结束地址的信息，因此每次的紧急数据只能发送一个字节。
16位检验和：对整个TCP报文进行检验，如果发生错误，直接丢弃该报文，但是TCP有重传机制，我们并不担心报文错误的问题，假如1,2,3,4,5报文中3号报文发生了错误，被TCP丢弃掉了，此时只需要将ACK3传给发送方即可，因为发送方会从ACK携带的序号开始，把后面的报文再发一遍。
至此需要介绍的内容结束了，以上为笔者自己整理的学习笔记，可能其中有部分内容不太正确，也不太完整，还请大家指正