Web服务器学习（一）

最近在做移动图像监控系统项目时接触到了嵌入式web服务器BOA和CGI程序，下面对我的学习做些记录。

Web基础

Web客户端与服务器之间的交互用的是基于文本的应用层协议，叫做HTTP（Hypertext Transfer Protocol,超文本传输协议）。简单来说就是一个客户端（即浏览器）打开一个到服务器的因特网连接，并且请求某些内容。服务器响应所请求的内容，然后关闭连接。浏览器读取这些内容，并把它显示在屏幕上。

Web服务器以两种不同的方式向客户端提供内容：

1.  取一个磁盘文件，并将它的内容返回给客户端。磁盘文件称为静态内容，而返回文件给客户端的过程称为服务静态内容。

2.  运行一个可执行文件，并将它的输出返回给客户端。运行时可执行文件产生的输出称为动态内容，而运行可执行程序并返回他的输出到客户端的过程称为服务动态内容。

 URL

每条由web服务器返回的内容都是和它管理的某个文件相关联的。这些文件中的每一个都有一个唯一的名字，叫做URL（UniversalResource Locator,通用资源定位符）。

HTTP URL (URL是一种特殊类型的URI，包含了用于查找某个资源的足够的信息)的格式如下：

http://host[":"port][abs_path]

http表示要通过HTTP协议来定位网络资源；host表示合法的Internet主机域名或者IP地址；port指定一个端口号，为空则使用缺省端口80；abs_path指定请求资源的URI；如果URL中没有给出abs_path，那么当它作为请求URI时，必须以“/”的形式给出，通常这个工作浏览器自动帮我们完成。

http://nbadata.sports.qq.com/live/1570578/matchstats.html

表示主机www.nbadata.qq.com上一个称为/live/1570578/matchstats.html的HTML文件

可执行文件的URL可以在文件名后包括程序参数。“？”字符分隔文件名和参数，而且每个参数都用“&”字符分隔开。列如：

http://bluefish.ics.cs.cmu.edu:8000/cgi-bin/adder?15000&213

标识了一个叫做/cgi-bin/adder的可执行文件，会带两个参数字符串15000和213来调用它。 

客户端和服务器使用的是URL的不同部分。例如，客户端使用前缀

http://nbadata.sports.qq.com

来决定与哪类服务器联系，服务器在哪里，以及它监听的端口号是多少。服务器使用后缀

/live/1570578/matchstats.html

来发现它的文件系统中文件，并确定他请求的是静态内容还是动态内容。

注：

1.后缀中的最开始的那个“/”表示的是被请求内容类型的主目录

2.最小的URL后缀是“/”字符，所有服务器将其扩展为某个默认的主页。

HTTP事务

HTTP请求

 http请求由三部分组成，分别是：请求行、消息报头、请求正文

1、请求行以一个方法符号开头，以空格分开，后面跟着请求的URI和协议的版本，格式如下：<Method> < Request-URI> <HTTP-Version> CRLF 

其中 Method表示请求方法；Request-URI是一个统一资源标识符；HTTP-Version表示请求的HTTP协议版本；CRLF表示回车和换行（除了作为结尾的CRLF外，不允许出现单独的CR或LF字符）。

请求方法（所有方法全为大写）有多种，各个方法的解释如下：

GET     请求获取Request-URI所标识的资源

POST    在Request-URI所标识的资源后附加新的数据

HEAD    请求获取由Request-URI所标识的资源的响应消息报头

PUT     请求服务器存储一个资源，并用Request-URI作为其标识

DELETE  请求服务器删除Request-URI所标识的资源

TRACE   请求服务器回送收到的请求信息，主要用于测试或诊断

CONNECT 保留将来使用

OPTIONS 请求查询服务器的性能，或者查询与资源相关的选项和需求

应用举例：

GET方法：指导服务器生成和返回URI标识的内容，URI是URL相应的后缀，包括文件名和可选的参数。

eg:GET /form.html HTTP/1.1 (CRLF)

POST方法要求被请求服务器接受附在请求后面的数据，常用于提交表单。

eg：POST /reg.jsp HTTP/(CRLF)

Accept:image/gif,image/x-xbit,... (CRLF)

...

HOST:www.guet.edu.cn (CRLF)

Content-Length:22 (CRLF)

Connection:Keep-Alive (CRLF)

Cache-Control:no-cache (CRLF)

(CRLF)         //该CRLF表示消息报头已经结束，在此之前为消息报头

user=jeffrey&pwd=1234  //此行以下为提交的数据

HEAD方法与GET方法几乎是一样的，对于HEAD请求的回应部分来说，它的HTTP头部中包含的信息与通过GET请求所得到的信息是相同的。利用这个方法，不必传输整个资源内容，就可以得到Request-URI所标识的资源的信息。该方法常用于测试超链接的有效性，是否可以访问，以及最近是否更新。

2、请求报头

请求报头允许客户端向服务器端传递请求的附加信息以及客户端自身的信息。

常用的请求报头

Accept

Accept请求报头域用于指定客户端接受哪些类型的信息。eg：Accept：image/gif，表明客户端希望接受GIF图象格式的资源；Accept：text/html，表明客户端希望接受html文本。

Accept-Charset

Accept-Charset请求报头域用于指定客户端接受的字符集。

eg：Accept-Charset:iso-8859-1,gb2312.如果在请求消息中没有设置这个域，缺省是任何字符集都可以接受。

Accept-Encoding

Accept-Encoding请求报头域类似于Accept，但是它是用于指定可接受的内容编码。eg：Accept-Encoding:gzip.deflate.如果请求消息中没有设置这个域服务器假定客户端对各种内容编码都可以接受。

Accept-Language

Accept-Language请求报头域类似于Accept，但是它是用于指定一种自然语言。eg：Accept-Language:zh-cn.如果请求消息中没有设置这个报头域，服务器假定客户端对各种语言都可以接受。

Authorization

Authorization请求报头域主要用于证明客户端有权查看某个资源。当浏览器访问一个页面时，如果收到服务器的响应代码为401（未授权），可以发送一个包含Authorization请求报头域的请求，要求服务器对其进行验证。

Host（发送请求时，该报头域是必需的）

Host请求报头域主要用于指定被请求资源的Internet主机和端口号，它通常从HTTPURL中提取出来的，eg：

我们在浏览器中输入：http://www.guet.edu.cn/index.html

浏览器发送的请求消息中，就会包含Host请求报头域，如下：

Host：www.guet.edu.cn

此处使用缺省端口号80，若指定了端口号，则变成：Host：www.guet.edu.cn:指定端口号

User-Agent 

HTTP响应

在接收和解释请求消息后，服务器返回一个HTTP响应消息。

HTTP响应也是由三个部分组成，分别是：一个响应行后面跟随零个或者更多个响应报头，再跟随一个终止报头的空行，再跟随一个响应主体。

1、状态行格式如下：

<HTTP-Version> <Status-Code> <Reason-Phrase>CRLF

其中，HTTP-Version表示服务器HTTP协议的版本；Status-Code表示服务器发回的响应状态代码；Reason-Phrase表示状态代码的文本描述。

状态代码有三位数字组成，第一个数字定义了响应的类别，且有五种可能取值：

1xx：指示信息--表示请求已接收，继续处理

2xx：成功--表示请求已被成功接收、理解、接受

3xx：重定向--要完成请求必须进行更进一步的操作

4xx：客户端错误--请求有语法错误或请求无法实现

5xx：服务器端错误--服务器未能实现合法的请求

常见状态代码、状态描述、说明：

200 OK      //客户端请求成功

400 Bad Request  //客户端请求有语法错误，不能被服务器所理解

401 Unauthorized //请求未经授权，这个状态代码必须和WWW-Authenticate报头域一起使用

403 Forbidden  //服务器收到请求，但是拒绝提供服务

404 Not Found  //请求资源不存在，eg：输入了错误的URL

500 Internal Server Error //服务器发生不可预期的错误

503 Server Unavailable  //服务器当前不能处理客户端的请求，一段时间后可能恢复正常

eg：HTTP/1.1 200 OK （CRLF） 

2.响应报头

响应报头允许服务器传递不能放在状态行中的附加响应信息，以及关于服务器的信息和对Request-URI所标识的资源进行下一步访问的信息。

常用的响应报头

Location

Location响应报头域用于重定向接受者到一个新的位置。Location响应报头域常用在更换域名的时候。

Server

Server响应报头域包含了服务器用来处理请求的软件信息。与User-Agent请求报头域是相对应的。下面是

Server响应报头域的一个例子：

Server：Apache-Coyote/1.1

WWW-Authenticate

WWW-Authenticate响应报头域必须被包含在401（未授权的）响应消息中，客户端收到401响应消息时候，并发送Authorization报头域请求服务器对其进行验证时，服务端响应报头就包含该报头域。

eg：WWW-Authenticate:Basicrealm="Basic Auth Test!"  //可以看出服务器对请求资源采用的是基本验证机制。

服务动态内容

服务器运行可执行程序时，我们要思考几个问题：1）客户端如何将程序参数传递给服务器？2）服务器如何将参数传递给子进程？3）服务器如何将其他信息传递给 子进程？4）子进程将它的输出发送到哪里？

为了解决上述问题，这就引出了CGI（Common Gateway Interface,通用网关接口）。

1 客户端如何将程序参数传递给服务器？

GET请求的参数在URI中传递，一个“？”字符分隔了文件名和参数，而每个参数由一个“&”字符分隔开，参数之间不允许有空格。

POST请求的参数是在请求主体中而不是在URI中传递的。

2 服务器如何将参数传递给子进程

在服务器接收到一个如下的请求后

GET /cgi-bin/adder?15000&213 HTTP/1.1

它调用fork创建一个子进程，并调用execve在子进程的上下文中执行/cgi-bin/adder程序。adder这样的程序就叫做CGI程序，它遵循CGI标准的规则。在调用execve之前，子进程将CGI环境变量QUERY_STRING设置为“15000&213”，adder程序在运行时可以用getenv函数来提取它们。

3服务器如何将其他信息传递给 子进程

CGI定义了大量的其他环境变量，一个CGI程序在它运行时可以设置这些环境变量。

4子进程将它的输出发送到哪里

一个CGI程序将它的动态内容发送到标准输出。在子进程加载并运行CGI程序之前，它使用dup2函数将标准输出重定向到和客户端相关联的已连接描述符。因此任何CGI程序写到标准输出的内容都会直接到达客户端。 

对于POST请求，子进程也需要重定向标准输入到已连接描述符。然后，CGI程序会从标准输入读取请求主体的参数。

下一篇将对一个小但功能齐全的web服务器进行学习，以加深本篇内容的理解。

参考 《深入理解计算机系统》

         http://blog.csdn.net/gueter/article/details/1524447