python套接字解决tcp粘包问题
python套接字解决tcp粘包问题
目录
什么是粘包
演示粘包现象 解决粘包 实际应用
什么是粘包
首先只有tcp有粘包现象，udp没有粘包
socket收发消息的原理
发送端可以是一K一K地发送数据，而接收端的应用程序可以两K两K地提走数据，当然也有可能一次提走3K或6K数据，或者一次只提走几个字节的数据，也就是说，应用程序所看到的数据是一个整体，或说是一个流（stream），
一条消息有多少字节对应用程序是不可见的，因此TCP协议是面向流的协议，这也是容易出现粘包问题的原因。而UDP是面向消息的协议，每个UDP段都是一条消息，应用程序必须以消息为单位提取数据，不能一次提取任意字节
的数据，这一点和TCP是很不同的。怎样定义消息呢？可以认为对方一次性write/send的数据为一个消息，需要明白的是当对方send一条信息的时候，无论底层怎样分段分片，TCP协议层会把构成整条消息的数据段排序完成后
才呈现在内核缓冲区。 例如基于tcp的套接字客户端往服务端上传文件，发送时文件内容是按照一段一段的字节流发送的，在接收方看了，根本不知道该文件的字节流从何处开始，在何处结束
粘包问题的根源
所谓粘包问题主要还是因为接收方不知道消息之间的界限，不知道一次性提取多少字节的数据所造成的。
此外，发送方引起的粘包是由TCP协议本身造成的，TCP为提高传输效率，发送方往往要收集到足够多的数据后才发送一个TCP段。若连续几次需要send的数据都很少，通常TCP会根据优化算法把这些数据合成一个TCP段后一次发
送出去，这样接收方就收到了粘包数据。
tcp和udp协议
TCP（transport control protocol，传输控制协议）是面向连接的，面向流的，提供高可靠性服务。收发两端（客户端和服务器端）都要有一一成对的socket，因此，发送端为了将多个发往接收端的包，更有效的发到对
方，使用了优化方法（Nagle算法），将多次间隔较小且数据量小的数据，合并成一个大的数据块，然后进行封包。这样，接收端，就难于分辨出来了，必须提供科学的拆包机制。 即面向流的通信是无消息保护边界的。
UDP（user datagram protocol，用户数据报协议）是无连接的，面向消息的，提供高效率服务。不会使用块的合并优化算法，, 由于UDP支持的是一对多的模式，所以接收端的skbuff(套接字缓冲区）采用了链式结构来记
录每一个到达的UDP包，在每个UDP包中就有了消息头（消息来源地址，端口等信息），这样，对于接收端来说，就容易进行区分处理了。 即面向消息的通信是有消息保护边界的。
tcp是基于数据流的，于是收发的消息不能为空，这就需要在客户端和服务端都添加空消息的处理机制，防止程序卡住，而udp是基于数据报的，即便是你输入的是空内容（直接回车），那也不是空消息，udp协议会帮你封装上
消息头，实验略
补充
拆包的发生情况 当发送端缓冲区的长度大于网卡的MTU时，tcp会将这次发送的数据拆成几个数据包发送出去。
补充问题一：为何tcp是可靠传输，udp是不可靠传输 基于tcp的数据传输请参考另一篇文章http://www.cnblogs.com/linhaifeng/articles/5937962.html，tcp在数据传输时，发送端先把数据发送到自己的缓存中，然后协议控制将缓存中的数据发往对端，对端返回
一个ack=1，发送端则清理缓存中的数据，对端返回ack=0，则重新发送数据，所以tcp是可靠的 而udp发送数据，对端是不会返回确认信息的，因此不可靠
补充问题二：send(字节流)和recv(1024)及sendall recv里指定的1024意思是从缓存里一次拿出1024个字节的数据 send的字节流是先放入己端缓存，然后由协议控制将缓存内容发往对端，如果待发送的字节流大小大于缓存剩余空间，那么数据丢失，用sendall就会循环调用send，数据不会丢失
总结
udp的recvfrom是阻塞的，一个recvfrom(x)必须对唯一一个sendinto(y),收完了x个字节的数据就算完成,若是y>x数据就丢失，这意味着udp根本不会粘包，但是会丢数据，不可靠 tcp的协议数据不会丢，没有收完包，下次接收，会继续上次继续接收，己端总是在收到ack时才会清除缓冲区内容。数据是可靠的，但是会粘包。
演示粘包现象
两种情况下会发生粘包
发送端需要等缓冲区满才发送出去，造成粘包（发送数据时间间隔很短，数据量很小，会合到一起，产生粘包），这是由于tcp的优化算法。 接收方不及时接收缓冲区的包，造成多个包接收（客户端发送了一段数据，服务端只收了一小部分，服务端下次再收的时候还是从缓冲区拿上次遗留的数据，产生粘包）
第一种情况
客户端多次间隔时间短，数据量小的发送数据
#服务端
import socket def main(): ip_port= ('127.0.0.1',4444) back_log=5 buffer_size=1024 s1 = socket.socket(socket.AF_INET,socket.SOCK_STREAM) #基于tcp的网络通信 s1.setsockopt(socket.SOL_SOCKET,socket.SO_REUSEADDR,1) s1.bind(ip_port) #绑定ip和端口 s1.listen(back_log) # 最多连接几个客户端 conn, addr = s1.accept() data1=conn.recv(buffer_size) data2=conn.recv(buffer_size) data3=conn.recv(buffer_size) print('第一次',data1.decode('utf-8')) print('第二次',data2.decode('utf-8')) print('第三次',data3.decode('utf-8')) conn.close() s1.close() if __name__ == '__main__': main()
#客户端
import socket
def main():
ip_port = ('127.0.0.1', 4444)
buffer_size = 1024
s2 = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
s2.connect(ip_port) # 连接服务端
data1 = 'hello'
s2.send(data1.encode('utf-8'))
data2 ='wrold'
s2.send(data2.encode('utf-8'))
data3 = 'pop'
s2.send(data3.encode('utf-8'))
s2.close()
if __name__ == '__main__':
main()
演示
可以看出来服务端在第一次就把三次发送的数据都接收了，这就是粘包，服务端不知道一次读取多少的数据，一次全部读取出来。
首先我们要知道并不是客户端发几次，服务端就要接收几次，一次发的数据也可以三次读取出来，收发信息都是从自己的内核缓存区读取。
第二种情况
接收方不及时接收缓冲区的包，造成多个包接收（客户端发送了一段数据，服务端只收了一小部分，服务端下次再收的时候还是从缓冲区拿上次遗留的数据，产生粘包）
#服务端
import socket def main(): ip_port= ('127.0.0.1',4444) back_log=5 buffer_size=1024 s1 = socket.socket(socket.AF_INET,socket.SOCK_STREAM) #基于tcp的网络通信 s1.setsockopt(socket.SOL_SOCKET,socket.SO_REUSEADDR,1) s1.bind(ip_port) #绑定ip和端口 s1.listen(back_log) # 最多连接几个客户端 conn, addr = s1.accept() data1=conn.recv(5) data2=conn.recv(buffer_size) print('第一次',data1.decode('utf-8')) print('第二次',data2.decode('utf-8')) conn.close() s1.close() if __name__ == '__main__': main()
#客户端 import socket def main(): ip_port = ('127.0.0.1', 4444) s2 = socket.socket(socket.AF_INET, socket.SOCK_STREAM) s2.connect(ip_port) # 连接服务端 data1 = 'hellowroldpop' s2.send(data1.encode('utf-8')) s2.close() if __name__ == '__main__': main()
演示
服务端读取数据没有全部读取出来，导致第一次应该接收完的数据还要第二次读取出来
解决粘包
问题的根源在于，接收端不知道发送端将要传送的字节流的长度，所以解决粘包的方法就是围绕，如何让发送端在发送数据前，把自己将要发送的字节流总大小让接收端知晓，然后接收端来一个死循环接收完所有数据
第一种解决方法
#服务端
import socket
def main():
ip_port = ('127.0.0.1', 4444)
back_log = 5
buffer_size = 1024
s1 = socket.socket(socket.AF_INET, socket.SOCK_STREAM) # 基于tcp的网络通信
s1.setsockopt(socket.SOL_SOCKET, socket.SO_REUSEADDR, 1)
s1.bind(ip_port) # 绑定ip和端口
s1.listen(back_log) # 最多连接几个客户端
conn, addr = s1.accept()
while True:
#接收数据大小
length= conn.recv(buffer_size).decode('utf-8')
#为防止客户端连续发包，回应
conn.send('ready'.encode('utf-8'))
length=int(length)
recv_size=0 #已经接收到数据的大小
recv_msg=b'' #已经接收到的数据
#接收数据
while recv_size<length:
r_msg = conn.recv(buffer_size)
recv_msg+=r_msg
recv_size +=len(r_msg)
#另一种方法接收数据的方法
#recv_msg+=conn.recv(buffer_size)
#recv_size=len(recv_msg)
s1.close()
if __name__ == '__main__':
main()
#客户端
import socket
def main():
ip_port = ('127.0.0.1', 4444)
buffer_size = 1024
s2 = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
s2.connect(ip_port) # 连接服务端
while True:
data1 = input('input:')
#将数据大小转为字符型然后编码发出去
s2.send(str(len(data1)).encode('utf-8'))
#接收服务端的回应
server_Ready=s2.recv(buffer_size)
#接收到服务端回应
if server_Ready==b'ready':
s2.send(data1.encode('utf-8'))
s2.close()
if __name__ == '__main__':
main()
总结：客户端在发送数据时，先发送数据大小，这时不能把数据内容一起发送出去，服务端第一次接收的时候，并不知道该读取多少的数据大小和多少的数据内容，所以还是会造成粘包，我们的解决办法是，服务端获取到数据大小后，要回应一次，然后根据数据大小来循环读取内容。 这种方法不好，需要服务端多发一次回应，这很影响服务端的性能。 程序的运行速度远快于网络传输速度，所以在发送一段字节前，先用send去发送该字节流长度，这种方式会放大网络延迟带来的性能损耗
第二种解决方法
为字节流加上自定义固定长度报头，报头中包含字节流长度，然后一次send到对端，对端在接收时，先从缓存中取出定长的报头，然后再取真实数据
struct模块
该模块可以把一个类型，如数字，转成固定长度的bytes
>>> struct.pack('i',1111111111111) #第一个参数是要封装的格式类型，第二个参数是要封装的内容
struct.error: 'i' format requires -2147483648 <= number <= 2147483647 #这个封装数据的范围，只要在这个范围里面，就可以把内容封装成固定大小
#服务端
import socket
import struct
def main():
ip_port = ('127.0.0.1', 4444)
back_log = 5
buffer_size = 1024
s1 = socket.socket(socket.AF_INET, socket.SOCK_STREAM) # 基于tcp的网络通信
s1.setsockopt(socket.SOL_SOCKET, socket.SO_REUSEADDR, 1)
s1.bind(ip_port) # 绑定ip和端口
s1.listen(back_log) # 最多连接几个客户端
conn, addr = s1.accept()
while True:
length＿data= conn.recv(4)
length=struct.unpack('i',length＿data)[0]
recv_size=0 #已经接收到数据的大小
recv_msg=b'' #已经接收到的数据
while recv_size<length:
r_msg = conn.recv(buffer_size)
recv_msg+=r_msg
recv_size +=len(r_msg)
#recv_msg+=conn.recv(buffer_size)
#recv_size=len(recv_msg)
s1.close()
if __name__ == '__main__':
main()
#客户端
import socket
import struct
def main():
ip_port = ('127.0.0.1', 4444)
buffer_size = 1024
s2 = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
s2.connect(ip_port) # 连接服务端
while True:
data1 = input('input:')
length=len(data1)
#定制包头 i为4个字节，所以接收方为四个字节，这个大小并不是输入的大小，而是封装固定的大小
data_length=struct.pack('i',length) #使用struct，直接将int转为二进制型数据传输，对方使用struct解包
s2.send(data_length)
s2.send(data1.encode('utf-8'))
s2.close()
if __name__ == '__main__':
main()
总结：客户端把数据长度封装成一个固定大小的数据，这时服务端就可以指定读取固定大小的内容，不会读取数据的内容，服务端只要根据数据长度再来接收数据内容就好了，所以客户端连续两次发数据，不会粘包，因为服务
端每次接收都只接收了本次该接收的数据。
实际应用
#服务端
from socket import * import subprocess import struct def main(): ip_port=('127.0.0.1',8080) back_log=5 buffer_size=1024 s1 = socket(AF_INET,SOCK_STREAM) s1.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1) s1.bind(ip_port) s1.listen(back_log) while True: conn,addr=s1.accept() while True: try: #收信息 cmd = conn.recv(buffer_size) if not cmd:break print('收到的命令是:',cmd.decode('utf-8')) #执行命令 res = subprocess.Popen(cmd.decode('utf-8'),shell=True, stderr=subprocess.PIPE, stdout=subprocess.PIPE, stdin=subprocess.PIPE) err = res.stderr.read() if err: cmd_res=err else: cmd_res=res.stdout.read() if not cmd_res: cmd_res='执行成功'.encode('gbk') length=len(cmd_res) #第一次发送数据大小 data_length = struct.pack('i', length) # 使用struct，直接将int转为二进制型数据传输，对方使用struct解包 conn.send(data_length) #发信息 #注意：执行的结果默认jbk编码方式,所以客户端必须使用gbk方式解码 conn.send(cmd_res) except Exception: break conn.close() s1.close() # 关闭服务端套接字 if __name__ == '__main__': main()
#客户端
from socket import * import struct def main(): ip_port=('127.0.0.1',8080) buffer_size=1024 s1 = socket(AF_INET,SOCK_STREAM) s1.connect(ip_port) while True: cmd = input('-->') if not cmd:continue if cmd =='quite':break s1.send(cmd.encode('utf-8')) length＿data =s1.recv(4) length = struct.unpack('i', length＿data)[0] recv_size = 0 # 已经接收到数据的大小 recv_msg = b'' # 已经接收到的数据 while recv_size < length: r_msg = s1.recv(buffer_size) recv_msg += r_msg recv_size += len(r_msg) # recv_msg+=conn.recv(buffer_size) # recv_size=len(recv_msg) print('命令执行结果:',recv_msg.decode('gbk')) s1.close() if __name__=='__main__': main()
总结
如果没有粘包的处理 服务端把命令执行的结果发给客户端的时候，数据太大，客户端一次没有接收完，在客户端第二次执行命令的时候，就会把第一次没有读取完的部分也读取出来，这属于我们刚才说的第二种粘包的情况。 有了粘包的处理 只要服务端把结果发过来，就算超过网卡的限制（拆包发送），客户端能保证在循环的过程中接收完结果
