一次完整的HTTP请求过程

当我们在浏览器的地址栏键入www.linux178.com，然后回车，从回车这一刻到看到页面到底发生了什么呢？

• 域名解析
• 发起TCP3次握手
• 建立TCP连接后发起http请求
• 服务器响应请求，返回结果
• 浏览器得到html标签代码
• 浏览器解析html代码中的资源，例如js，css，img等
• 浏览器对页面进行渲染并呈现给用户

一下我们已chrome浏览器为例，对上面的过程一一分析。

一. 域名解析

首先chrome浏览器会解析www.linux178.com这个域名（准确的说法是主机名）对应的IP地址。怎么解析得到对应的IP地址呢？

（1）浏览器首先搜索自身的DNS缓存（缓存时间比较短，大概只有1分钟，且只能容纳1000条数据），看自身的缓存中是否有www.linux178.com对应的条目，而且没有过期，如果有且没有过期，解析就到此结束。我们可以通过在chrome浏览器地址栏中输入：chrome://net-internals/#dns来查看。

（2）如果浏览器自身的缓存中没有找到对应的条目，那么chrome浏览器会搜索操作系统自身的DNS缓存，如果找到且没有过期则停止搜索，解析到此结束。如何查看操作系统自身的DNS缓存，以Windows系统为例，可以在cmd命令行中输入ipconfig/displaydns来查看。

（3）如果在操作系统的DNS缓存中也没有找到，那么尝试读取hosts文件（位于c:\Windows\System32\direvers\etc），看看这里有没有该域名对应的IP地址，如果有则解析成功，解析到此结束。

（4）如果在hosts文件中也没有找到对应的条目，浏览器会发起一个DNS（Domain Name System：域名服务协议）系统调用，就会向本地配置的首选DNS服务器（一般是电信运营商提供的，也可以使用像Google提供的DSN服务器）发起域名解析请求（通过UDP协议向DNS的53号端口发起请求，这个请求是递归请求，也就是这个运营商的DSN服务器必须给我们提供该域名的IP地址）。请求过程如下：

• 运营商的DNS服务器首先查找自身的缓存，如果能找到对应的条目，且没有过期则解析成功。如果没有找到对应的条目，则运营商的DNS代我们的浏览器发起迭代DNS解析请求。
• 运营商DNS首先会查找根域DNS的IP地址（这个DNS服务器内置13台根DNS域服务器的IP地址），找到根域的DNS地址，就会向其发起请求（问一下www.linux178.com这个域名的ip地址是多少啊？）。根域发现这是一个com域（顶级域）的域名，于是返回com域的IP地址，然后运营商的DNS就得到com域的IP地址。
• 运营商的DNS得到com域的IP地址之后又向com域的IP地址发起地址请求（问一下www.linux178.com这个域名的IP地址是多少啊？）。com域这台服务器告诉运营商的DNS我不知道www.linux178.com这个域名的IP地址，但是我知道linux178.com这个域名的DNS地址，你去找它吧。
• 于是运营商的DNS又向linux178.com这个域名的DNS地址（这个一般是由域名注册商提供，像万网，新网）发起请求（问一下www.linux178.com这个域名的IP地址是多少？）这个时候linux178.com域的DNS服务器在本地查找，唉，果然在我这里，于是就把找到的结果发给运营商的DNS服务器，这个时候运营商的DNS服务器就拿到了www.linux178.com对应的IP地址，并返回给Windows系统内核，内核就把这个结果返回给浏览器，最终浏览器得到这个IP地址，进行下一步动作。

注：一般情况下是不会进行一下步骤的

如果经过以上4个步骤，还是没有解析成功，那么会进行如下步骤（针对Windows操作系统）：

（5）操作系统就会查找NetBIOS name Cache（网上基本输入输出系统，NetBIOS名称缓存，就在客户端电脑中），这个缓存是什么东西呢？它是最近一段时间内我和我们的电脑成功通讯的计算机名和IP地址，都会存在这个缓存里面。什么情况下该不住能解析成功呢？就是这个计算机名称正好是几分钟前我们成功通讯过的，那么这一步就可以解析成功。

（6）如果第5步也没有成功，那会查询WINS服务器（Windows网际名字服务，NETBIOS名称和IP地址对应的服务器）。

（7）如果第6步也没有查询成功，那么客户端就要进行广播查找。

（8）如果第7步也没有查询成功，那么客户端就读取LMHOSTS文件（和hosts文件在同一个目录下，写法也一样）。

如果第8步还是没有解析成功，那么就宣告这次解析失败，无法和目标计算机进行通信。只要这8步中任意一个解析成功，就可以成功和目标计算进进行通信。

看下图的抓包截图：

Linux虚拟机测试，使用命令wget www.linux178.com来请求，发现直接使用chrome浏览器请求时，干扰请求比较多，所以使用wget命令来请求，不过wget命令只能把index.html请求回来，并不会对index.html中包含的静态资源（js，css等文件）进行请求。

 抓包分析：

①号包，这个是那台虚拟机在广播，要获取192.168.100.254（也就是网关）的MAC地址，因为局域网的通信靠的是MAC地址，它为什么需要和网关进行通信是因为我们的DNS服务器IP是外围IP，要出去必须靠网关帮助才行。

②号包，这个是网关接收到虚拟机的广播之后，回应给虚拟机，告诉虚拟机自己的MAC地址，于是客户端找到了路由出口。

③号包，这个包是wget命令向系统配置的DNS服务器提出的域名解析请求（准确的说应该是wget发起了一个DNS解析的系统调用），请求的域名www.linux178.com期望得到的是IP6的地址（AAAA代表IPV6地址）。

④号包，这个DNS服务器给系统的响应，很显然目前使用IPv6的还是极少数，所得得不到AAAA记录。

⑤号包，这个还是请求解析IPv6地址，但是www.linux178.com.leo.com这个主机名是不存在的，所以得到的结果是no such name。

⑥号包，这个才是请求的域名对应的IPv4地址（A记录）。

⑦号包，DNS服务器不管是从缓存里，还是进行迭代检查最终得到的域名IP地址，响应给了系统，系统给了wget命令，wegt于是得到了www.linux178.com的IP地址，这里可以看出客户端和本地DNS服务器是递归的查询（也就是服务器必须给客户端一个结果）就可以开始下一步了，进行TCP的三次握手。

二. 发起TCP的3次握手

拿到域名对应的IP地之后，User-Agent（一般是指浏览器）会以一个随机端口（1024<端口<65535）向服务器的web程序（常用的有httpd，nginx等）80端口发起TCP的连接请求。这个连接请求（原始的http请求经过TCP/IP层模型层层包装）到达服务器后（这中间通过各种路由设备，局域网除外），进入到网卡，然后进入到内核的TCP/IP协议栈（用于识别这个连接请求，解封包，一层层剥开），还有可能要经过Netfilter防火墙（属于内核的模块）的过滤，最终到达web程序（本文就以Nginx为例）最终建立TCP/IP连接，如下图：

1.  客服端首先发送一个连接试探，ACK=0表示确认号无效，SYN=1表示这是一个连接请求或者接受报文，同时表示这个数据报不能携带数据，seq=x表示客户端自己的初始序号（seq=0就代表这是第0号包），这时候客户端进入syn_sent状态，表示客户端等待服务器的回复。
2. 服务器监听到连接请求报文后，如果同意建立连接，则向Client发送确认。TCP报文首部中的SYN和ACK都置1，ack=x+1表示期望收到对方下一个报文段的第一个数据字节序号是x+1,同时表明到x为止的所有数据都已经正确收到（ack=1其实是ack=0+1，也就是期望客户端的第一个包），seq=y表示服务器自己的初始序号（seq=0就代表这是服务器这边发出的第0号包），这时服务器进入syn_rcvd，表示服务器已经接收到客户端的连接请求，等待Client的确认。
3. Client收到确认后还需要再次发送确认，同时携带要发送给Server的数据，ACK置1表示确认号ack=y+1有效（代表期望收到服务器的第1个包），客户端自己的需要seq=x+1（表示这就是我的第一个包，相对于第0个包来说的），一旦收到客户端的确认之后，这个TCP连接就进入Established装填，就可以发送http请求了。

   

   ⑨号包，这个对应上面的步骤1）

   ⑩号包，这个对应上面的步骤2）

   ⑪号包，这个对应上面的步骤3）

TCP为什么要进行三次握手？举一个列子，假如一个老外在故宫迷了路，看到小明，于是就有了下面的对话：

老外：Excuse me，Can you speck English？

小明：Yes

老外：OK， I want to...

在问路之前老外先问小明是否会说英语，小明回答是的，这时老外才开始问路。

两台计算机之间的通信是靠协议（目前流行TCP/IP协议）来实现的，如果两台计算机使用的通信协议不一样，那是不能进行通信的，所以这个3次握手就相当于试探一下对方是否遵循TCP/IP协议，协议完成后就可以进行通信了，当然这个说法不是那么准确。

为什么HTTP协议要基于TCP来实现？

目前在Internet中所有的传输都是通过TCP/IP进行的，HTTP协议作为TCP/IP模型中应用层的协议也不例外，TCP是一个端到端的可靠的面向连接的协议，所以HTTP基于传输层TCP协议不用担心数据传输中的各种问题。

三.建立TCP连接后发起http请求

经过TCP3次握手之后，浏览器发起了http请求，使用的http的GET方法，请求的URL是/，协议是HTTP/1.0

下面是第⑫号包的详细内容：

以上的报文是HTTP请求的报文。

那么HTTP请求报文和响应报文是什么格式呢？

起始行：如GET/HTTP/1.0（请求的方法，请求的URL，请求所使用的协议）。

头部信息：User-Agent Host等成对出现的值。

空行：这个也是必须的。

主体：xxx。

不管是请求报文还是响应报文，都遵循以上的格式。

那么起始行中的请求方法有那些呢？

GET：完整请求一个资源（常用）

HEAD：仅请求响应的首部

POST：提交表单（常用）

PUT：上传文件（部分浏览器不支持这个方法）

DELETE：删除

OPTIONS：返回请求的资源所支持的方法

TRACE：跟踪一个资源其你去中间所经过的代理（该方法不是由浏览器发出）

那什么是URL，URI，URN呢？

URL：Uniform Resource Identifier，统一资源标识符

URI：Uniform Resource Locator，统一资源定位符，格式如：scheme://[username:password@]HOST:port/path/to/source，http://www.magedu.com/downloads/nginx-1.5.tar.gz

URN：统一资源名称

URL和URN都属于URI，为了方便就把URL和URI暂时都通指一个东西

请求的协议有那些呢？

http/0.9：stateless

http/1.0：MIME,keep-alive（保持连接），缓存

http/1.1：更多的请求方法，更精细的缓存控制，持久连接（persistent content）比较常用，下面是chrome发起的http请求报文头部信息：

其中

Accept：就是告诉服务器，我接受那些MIME类型

Accept-Encoding：接受那些压缩方式的文件

Accept-Language：告诉服务器能够发送那些语言

Connection：告诉服务器支持keep-alive特性

Cookie：每次请求都会携带上Cookie以方便服务器识别是否是同一个客户端

Host：用来标识请求服务器的那个虚拟机，比如Nginx里面可以定义很多虚拟主机，这里就是来标识要访问是哪一个

User-Agent：用户代理，一般情况是浏览器，也有其他类型，如wget， curl搜索引擎的蜘蛛等

条件请求首部：

If-Modified-Since是浏览器向服务器端询问某个资源文件如果自从什么时间修改过，那么重新发送给我，这样保证服务器资源文件更新时，浏览器再次请求，而不是使用缓存中的文件。

安全请求首部：

Anthorization：客户端提供给服务器的认证信息

什么是MIME？

MIME：多用途互联网邮件扩展，是一个互联网标准，它扩展了电子邮件的标准，使其能够支持非ASCII标准字符，二进制格式附件等多种格式的邮件消息，这个标准被定义在RFC 2045，RFC2046，RFC2047，RFC2048，RFC2049等RFC中。由于RFC 882转化而来的RFC2882规定电子邮件标准不允许在邮件消息中使用7位ASCII字符集以外的字符。因此，一些非英语消息和二进制文件，图像，声音，等非文字消息不能在电子邮件中传输。MIME规定了用于各种各样的数据类型的符号化方法。此外在万维网中使用HTTP协议也是用了MIME协议中的框架，标准被扩展为互联网媒体类型。

MIME遵循以下格式：major/minor主要类型/次要类型，例如：image/jpg，image/gif，text/html，video/quicktime，application/x-httpd-php。

四. 服务器响应http请求，浏览器得到html代码

看下图中第⑫号包是http请求包，第32号包是http响应包，服务器端web程序接收到http请求以后，就开始处理改请求，处理之后就返回给浏览器html文件。

第32号包是服务器返回给客户端的http响应包（200 ok响应的MIME类型是text/html），代表这一次客户端发起的http请求已经成功响应。200代表的是响应成功的状态码，还有其他的状态码如下：

1xx: 信息性状态码

　　100, 101

2xx: 成功状态码

　　200：OK

3xx: 重定向状态码

　　301: 永久重定向, Location响应首部的值仍为当前URL，因此为隐藏重定向;

　　302: 临时重定向，显式重定向, Location响应首部的值为新的URL

　　304：Not Modified 未修改，比如本地缓存的资源文件和服务器上比较时，发现并没有修改，服务器返回一个　         304状态码，告诉浏览器，你不用请求该资源，直接使用本地的资源即可。

4xx: 客户端错误状态码

　　404: Not Found 请求的URL资源并不存在

5xx: 服务器端错误状态码

　　500: Internal Server Error 服务器内部错误

　　502: Bad Gateway 前面代理服务器联系不到后端的服务器时出现

　　504：Gateway Timeout 这个是代理能联系到后端的服务器，但是后端的服务器在规定的时间内没有给代理服务器响应

使用chrom浏览器可以看到响应头消息

Connection：使用keep-alive特性

Content-Encoding：使用gizp方式对资源压缩

Content-Type：MIME类型为html类型，字符集是UTF-8

Date：响应的日期

Server：使用的Web服务器

Transfer-Encoding：chunked分块传输码，是http中的一种数据传输基址，允许HTTP由网页服务器发送给客户端应用（通常是网页浏览器）的数据可以分成多部分

Vary：这个可以参考（http://blog.csdn.NET/tenfyguo/article/details/5939000）

X-Pingback：参考（http://blog.sina.com.cn/s/blog_bb80041c0101fmfz.html）

到底服务器端接收到http请求后怎样生成html文件？

假设服务器使用的是nginx+php（fastcgi）架构提供服务。

1. nginx读取配置文件。我们在浏览器的地址栏里输入的是www.linux178.com，其完整的地址应该是http:www.linux178.com./，com后面还有个点（这个点代表的就是根域一般情况我们不用输入，也不显示），后面的斜杠/也不用添加，浏览器会自动添加，那么实际请求的URL是http://www.linux178.com/，在Nginx接受到浏览器GET/请求时，会读取http请求中的头部信息，根据Host来匹配，自己所有的虚拟主机的配置文件的server_name，看看有没有匹配的，有匹配的就读取该虚拟主机的配置，返现有如下配置：

   root /web/echo      

   通过这个配置就知道所有的网页文件放在这个目录下，就是当我们访问http:www.linux178.com/时就是访问这个目录下面的文件，录入访问http://www.linux178.com/index.html，那么代表web/echo下面有个文件叫index.html。

   index index.html index.htm index.php      

   通过这个就可以得到网站的首页文件是那个文件，也就是我们在输入http://www.linux178.com/的时候，nginx就会自动帮我们把index.html（假设首页是index.php当然是会尝试去找到这个，如果没有找到该文件就以此往下找，如果3个文件都没有找到，那么就会抛出一个404错误）加到后偶棉，那么添加后的URI如果是/index.php，然后根据配置进行处理：

   location ~ .*\.php(\/.*)*$ {
      root /web/echo;
      fastcgi_pass   127.0.0.1:9000;
      fastcgi_index  index.php;
      astcgi_param  SCRIPT_FILENAME  $document_root$fastcgi_script_name;
      include        fastcgi_params;
   }      

   这一段配置指明凡是请求的URL中配置（这里启用了正则表达式进行配置），*.php后缀的（后面跟参数）都交给后端的fastcgi进程进行处理。

2. 把php文件交给fastcgi进程处理

   于是nginx把index.php这个URL交给后端的fastcgi处理，等待fastcgi处理完成后（结合数据查询出数据，填充模板生成html文件）返回给fastcgi一个index.html文档，Nginx再把这个index.html返回给浏览器，于是与浏览器拿到了首页的html代码，同时nginx会在日志文件中写一条记录。

   注1：nginx是怎么找到index.php文件的？

   当nginx发现需要/web/echo/index.php文件时，会向内核发起IO系统调用（因为要跟硬件打交道，这里的硬件是指硬盘，通常需要内核来操作，而内核提供的这些功能是通过系统调用来实现的），告诉内核，我需要这个文件,内核从/开始找到web目录，再在web目录下找到echo目录，最后在echo目录下找到index.php文件，于是把这个index.php从硬盘上读取到内核自身的内存空间，然后再把这个文件复制到nginx进程所在的内存空间，于是乎nginx就得到了自己想要的文件了。

   注2：寻找文件在文件系统层面是怎么操作的？

   比如nginx需要得到/web/echo/index.php这个文件，每个分区（像linux中的ext3等文件系统，block块是文件存储的最小单元，默认是4096字节）包含元数据区和数据区，每一个文件在元数据区都有元数据条目（一般是128字节大小），每一个条目都有一个编号，我们称之为inode（index node索引节点），这个inode里面包含文件类型，权限，连接次数，属主和数组的ID，时间戳，这个文件占据了那些磁盘块，也就是块的编号（block每个文件可以占用多个block，并且block不一定是连续的，每个block都有编号），如下图所示：

   

    还有一个要点：目录其实也是普通文件，也要占用磁盘块，目录不是一个容器。默认创建的目录都是4096字节，也就是说只需要占用一个磁盘块，但是这个是不确定的。所以要找到目录也需要到元数据区里面找到对应的条目，只有找到对应inode就可以找到目录锁占用的磁盘块。

   那到底目录里面存放着什么，难道不是文件或者其他目录吗？

   其实目录里面存着这么一张表，里面放着目录或者文件的名称和对应的inode号（暂时称之为映射表），如下图：

   

    假设

   /          在数据区占据 1、2号block ，/其实也是一个目录 里面有3个目录 web 111

   web    占据 5号block 是目录 里面有2个目录 echo data

   echo   占据 11号 block 是目录 里面有1个文件 index.php

   index.  php 占据 15 16号 block 是文件

   其在文件系统中分布如下图

   

name内核究竟是怎么找到index.php这个文件的呢？

内核拿到nginx的IO系统调用要获取/web/echo/index.php这个文件请求之后：

1.内核读取元数据 / 的inode，从inode里读取/所对应的数据块的编号，然后再数据区找到对应的块（1,2号块），读取1号快上的映射表找到web这个名称在元数据区对应的inode号

2.内核读取web对应的node（3号），从中得知web在数据区对应的块是5号块，于是到数据区找到5号块，从中读取映射表，知道echo对应的inode是5号，于是元数据找到5号inode

3.内核读取5号的inode，得到echo在数据区对应的是11号块，于是到数据区读取11号块得到映射表，得到index.php对应的inode是9号

4.内核到元数据读取9号inode，得到index.php对应的是15和16号数据块，于是在数据区域找到15,16号块，读取其中的内容，得到index.php的完整内容。

五. 浏览器解析html代码，并请求html代码中的资源

浏览器拿到index.html文件后，就开始解析其中的html代码，遇到js/css/image等静态资源时，就向服务器端去请求下载（会使用多线程下载，每个浏览器的线程数不一样），这个时候就用上keep-alive特性了，建立一次HTTP连接，可以请求多个资源，下载资源的顺序就是按照代码里的顺序，但是由于每个资源大小不一样，而浏览器是多线程请求资源，所以从下图可以看出，这里的顺序不一定是代码中的顺序。

浏览器在请求静态资源时（在未过期的情况下），向服务器发起一个http请求（询问自从上一次修改时间到现在有没有对资源进行修改），如果服务器端返回304状态码，（告诉服务器端没有修改），那么浏览器会直接读取本地的该资源文件。

 详细的浏览器工作原理参考：http://kb.cnblogs.com/page/129756/

 最后浏览器使用自己内部的工作机制，把请求到的静态资源和html代码进行渲染，之后呈现给用户。

至此，一次完整的http请求事务宣告完成。

参考：http://www.360doc.com/content/17/0427/09/35497398_649008108.shtml

作者：

Tyler Ning

出处：http://www.cnblogs.com/tylerdonet/

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，如有问题，请微信联系冬天里的一把火