netty对http协议解析原理解析(转载)

 

 

本文主要介绍netty对http协议解析原理，着重讲解keep-alive，gzip，truncked等机制，详细描述了netty如何实现对http解析的高性能。

1 http协议

1.1 描述
       

标示	ASCII	描述	字符
CR	13	Carriage return (回车)	\r
LF	10	Line feed character(换行)	\n
SP	30	Horizontal space(空格)
COLON	58	COLON(冒号)	:

 

1.2 请求包

 

　　　　　　      

主要包含三部分：请求行(line)，请求头(header)，请求正文(body) 

请求行(Line)：主要包含三部分：Method ，URI ，协议/版本。 各部分之间使用空格(SP)分割。整个请求头使用CRLF分割。(比如：POST /1.0.0/_health_check HTTP/1.1 CRLF)

请求头(Header)： 格式为(name ：value)，用于客户端请求的描述信息。header之间以CRLF进行分割。最后一个header会多加一个CRLF。( 比如：Connection: keep-alive CRLF CRLF)

请求正文(body) ：里面主要是Post提交的数据(可支持多种格式，格式在Content-Type定义，长度是在Content-Length里面定义)。 

1.3 响应包
　　　　　　

　　

 

主要包含三部分：状态行(line),响应头(header),响应正文(body)

状态行(line)：包含三部分：http版本，服务器返回状态码，描述信息。以CRLF进行分割。 ( 比如：HTTP/1.1 200 OK CRLF)

响应头(header) ： 格式为(name ：value)，用于服务器返回的描述信息。header之间以CRLF进行分割。最后一个header会多加一个CRLF (比如：Content-Type: text/html CRLF Content-Encoding:gzip CRLF CRLF) 

响应正文(body)：里面主要是返回数据(可支持多种格式，格式在Content-Type定义，长度是在Content-Length里面定义)。 

 

2 chunked介绍

2.1 背景
     HTTP协议通常使用Content-Length来标识body的长度，在服务器端，需要先申请对应长度的buffer，然后再赋值。如果需要一边生产数据一边发送数据，就需要使用"Transfer-Encoding: chunked" 来代替Content-Length，也就是对数据进行分块传输。

2.2 Content-Length描述
       1：http server接收数据时，发现header中有Content-Length属性，则读取Content-Length 的值，确定需要读取body的长度。

       2：http server发送数据时，根据需要发送byte的长度，在header中增加 Content-Length 项，其中value为byte的长度，然后将byte数据当做body发送到客户端。

2.3 chunked描述
       1：http server接收数据时，发现header中有Transfer-Encoding: chunked，则会按照truncked协议分批读取数据。

       2：http server发送数据时，如果需要分批发送到客户端，则需要在header中加上 Transfer-Encoding: chunked，然后按照truncked协议分批发送数据。

2.4 truncked协议
    

　　

 

       1：主要包含三部分：chunk，last-chunk和trailer。如果分多次发送，则chunk有多份。

       2：chunk主要包含大小和数据，大小表示这个这个trunck包的大小，使用16进制标示。其中trunk之间的分隔符为CRLF。

       3：通过last-chunk来标识chunk发送完成。 一般读取到last-chunk(内容为0)的时候，代表chunk发送完成。

       4：trailer 表示增加header等额外信息，一般情况下header是空。通过CRLF来标识整个chunked数据发送完成。

 2.5 优点
      1：假如body的长度是10K，对于Content-Length则需要申请10K连续的buffer，而对于Transfer-Encoding: chunked可以申请1k的空间，然后循环使用10次。节省了内存空间的开销。

      2：如果内容的长度不可知，则可使用trunked方式能有效的解决Content-Length的问题

      3：http服务器压缩可以采用分块压缩，而不是整个快压缩。分块压缩可以一边进行压缩，一般发送数据，来加快数据的传输时间。

 2.6 缺点
     1：truncked 协议解析比较复杂。

     2：在http转发的场景下(比如nginx) 难以处理，比如如何对分块数据进行转发。

 

3 压缩  

3.1 背景
     在http请求(特别是移动端)，如果请求的资源比较多，则网络的开销会比较大，用户体验较差。则可以开启数据的无损压缩，节省传输的流量，提升数据的加载性能。

3.2 压缩类型
    1：压缩需要客户端，服务器端同时支持。在chrome中，请求默认会加上Accept-Encoding: gzip, deflate，客户端默认开启数据压缩。而tomcat默认关闭压缩，如果开启需要增加配置。

    2：在请求时，需要通过header的Accept-Encoding: gzip, deflate 来告诉服务器客户端支持的压缩类型。

    3：在返回时，http server会在返回的header中添加Content-Encoding: gzip 来告诉客户端数据的压缩方式。

    4：压缩类型主要包含如下几种：

          gzip　　    说明body采用GNU zip编码

         compress 说明body采用Unix的文件压缩程序

         deflate　　说明body是用zlib的格式压缩的

         identity　　说明没有对实体进行编码。

    其中 gzip, compress, 以及deflate编码都是无损压缩算法，不会导致信息损失。 gzip效率最高，使用较为广泛。

3.3 tomcat实现
     tomcat默认是关闭gzip压缩，开启需要在server.xml中的Connector标签中加如下配置：  

              compression=”on” 打开压缩功能；

           compressionMinSize=”2048″ 启用压缩的阈值，只有数据量小于2048 才会对内容进行压缩；

           noCompressionUserAgents=”gozilla, traviata” 对于以下的浏览器，不启用压缩 ；

           compressableMimeType="text/html,text/xml,text/plain,text/css,text/javascript,text/json,application/x-javascript,application/javascript,application/json"  压缩类，只有Content-Type为设置的类型，才会进行压缩。

     是否进行压缩主要是从：数据的大小，浏览器的类型和内容的类型来控制。

3.4 优点
      减少流量，帮公司节省带宽及流量，帮用户节省流量
      客户端(特别是移动端)，加载速度变快，提升用户体验。
3.5 缺点
     服务器端需要更多的cpu资源进行计算，会降低服务器的整体吞吐量
     服务器端需要多申请更多的内存资源。数据1k的话，不开启压缩，只需要申请1k的buffer； 而开启压缩的话(假设压缩后的大小为250B)，则需要多申请250B的buffer，并且涉及到数据的拷贝
    客户端也需要消耗更多的cpu来进行数据的解压缩。

4 keepalive

 

     具体可参考： http://blog.csdn.net/hetaohappy/article/details/51851880

 

5 粘包，拆包

 

5.1背景

    TCP是基于stream机制，其实就是一串没有边界的数据流。 这里主要面临两个问题：1：如何定义数据的边界 2：拆包和粘包的问题。HTTP协议是基于TCP，所以也会面临前面两个问题。

5.2 数据读取流程
           

　　

   1：发送端发送数据，数据先通过网卡到服务端tcp的receive buffer中。服务端的上层应用如果需要读取数据，会申请一段业务buffer，调用JDK的IO接口，IO会将tcpreceive  buffer的数据拷贝到业务的buffer里面。上层业务再通过设定的反序列化协议将业务buffer转换成对象进行业务处理。

   2：服务端读取数据时，先申请一段业务buffer(大小一般是1k)，通过调用JDK的channel.read(buffer) IO方法，IO会将tcp buffer的数据拷贝到业务buffer里面。返回值为读取字节的个数：如果返回值大于0，说明读取到了对应大小的数据；如果是0，表示没有读到数据，数据读取完成(可能业务buffer是满的，不能往里面写数据)；如果是-1，代表tcp连接被关闭(一般处理是关闭到该连接)

  3：在java里面可以设置socket的SO_RCVBUF 参数来设置buffer的大小。默认值保存在：cat /proc/sys/net/core/rmem_default 也可通过cat /proc/sys/net/ipv4/tcp_wmem查看。

5.3 粘包拆包说明
         

　　

  说明：假如服务端连续接收了4个包。 应用申请1k的buffer空间去读取tcp数据。读取的流程如下。

    1：业务先申请1k大小的业务buffer，先调用JDK IO接口，会拷贝Receive Buffer的1k数据到业务的buffer里面。

    2：每个包定义有边界。通过边界定义，读取到包1和包2分别进行反序列化的处理，转换为对象供上层应用处理。(解决粘包的问题)

    3：如下图：在读取到包3的时候，由于把buffer读完还没有发现边界。便将包3(剩下的10个)的数据拷贝到buffer的最前端。然后再调用JDK IO接口，tcp receive buffer拷贝数据是从业务buffer的第10个位置进行拷贝赋值。拷贝完后再读取包3的数据，直到边界(解决拆包的问题)

                        

      4：然后读取包4，发现到边界后，并且数据没有可读的，则整个流程结束。

5.4 http解决方案：
      1：请求行的边界是CRLF，如果读取到CRLF，则意味着请求行的信息已经读取完成。

      2：Header的边界是CRLF，如果连续读取两个CRLF，则意味着header的信息读取完成。

      3：body的长度是有Content-Length 来进行确定。如果没有Content-Length ，则是chunked协议(具体参考前面的trunked协议)。

 

6 netty实现

6.1 http协议实现的抽象
      很多http server(比如tomcat,resin)的实现都是基于servlet，但是netty对http实现并没有基于servlet。

     下面将对请求request的抽象进行描述。 response对象的抽象比较类似，将不做描述。

        

    HttpMethod：主要是对method的封装，包含method序列化的操作

    HttpVersion: 对version的封装，netty包含1.0和1.1的版本

    QueryStringDecoder: 主要是对url进行封装，解析path和url上面的参数。(Tips：在tomcat中如果提交的post请求是application/x-www-form-urlencoded，则getParameter获取的是包含url后面和body里面所有的参数，而在netty中，获取的仅仅是url上面的参数)

    HttpHeaders：包含对header的内容进行封装及操作

    HttpContent：是对body进行封装，本质上就是一个ByteBuf。如果ByteBuf的长度是固定的，则请求的body过大，可能包含多个HttpContent，其中最后一个为LastHttpContent(空的HttpContent),用来说明body的结束。

   HttpRequest：主要包含对Request Line和Header的组合

   FullHttpRequest： 主要包含对HttpRequest和httpContent的组合

 

6.2 request的流程处理
6.2.1 实现：
   只需要在netty的pipeLine中配置HttpRequestDecoder和HttpObjectAggregator。

6.2.2 原理：
     

   1：如果把解析这块理解是一个黑盒的话，则输入是ByteBuf，输出是FullHttpRequest。通过该对象便可获取到所有与http协议有关的信息。

    2：HttpRequestDecoder先通过RequestLine和Header解析成HttpRequest对象，传入到HttpObjectAggregator。然后再通过body解析出httpContent对象，传入到HttpObjectAggregator。当HttpObjectAggregator发现是LastHttpContent，则代表http协议解析完成，封装FullHttpRequest。

   3：对于body内容的读取涉及到Content-Length和trunked两种方式。两种方式只是在解析协议时处理的不一致，最终输出是一致的。

6.2.3 面临的问题：
     1：假设申请的ByteBuf为1k，如果读取request Line，把ByteBuf都读取完了还没有发现边界(CRLF)，如何处理？

     一般的做法为：先申请1k大小的ByteBuf，如果发现当前ByteBuf大小不够。 一般会再申请之前大小2倍的ByteBuf(也就是2k)，然后把之前1k的数据拷贝到新申请的2k的空间里面，然后再到JDK的io中读取数据。如果再不够用，则再申请2倍的byteBuf。  如果数据量比较大，会面临着申请新空间->拷贝数据->申请更大的空间->再拷贝数据....   。该种方案性能极其低下，如何提升性能？

    2：如果申请的buffer在堆上面，由于该buffer存活周期很短，会造成频繁的GC，影响系统性能。

6.2.4 性能优化：
    1：使用堆外内存，也就是DirectBuffer。来减少GC的次数。

    2：使用buffer pool，避免频繁的申请及释放内存。一般pool有两层，ThreadLocal的pool和全局的pool。 申请buffer空间时，先看ThreadLocal是否有未使用的buffer，如果没有，再从全局的pool中获取buffer。一般的内存管理策略是pool里面的buffer大小全部一致(比如1k)，但是 如果需要申请2k的空间，必须要新建2k空间的buffer。如果频繁申请大于1K空间内存，则性能比较低下。 netty为了解决该问题，使用了较为复杂的内存管理策略，具体可参考 http://blog.csdn.net/youaremoon/article/details/47910971 

    3：零拷贝：前面提到拷贝数据的性能问题，采用零拷贝机制可有效解决该问题

    CompositeByteBuf(组合)： 比如读取request Line，申请1k的空间ByteBuf，如果没有发现边界(CRLF)。再申请1k的空间ByteBuf到JDK的io中读取数据。将老的ByteBuf和新申请的ByteBuf组合成CompositeByteBuf，更改CompositeByteBuf的读写指针来避免数据的拷贝。

         

     slice(切分)：  比如在1k的ByteBuf里面先读取requestLine，Header进行解析对象，最后读取body。由于body的数据还需要保存在内存里面供业务使用。一般的做法是新申请一块空间，将body的数据拷贝到新申请的空间上。这里通过虚拟一个ByteBuf，然后将读写的指针指向真实的ByteBuf的body区域上面，来避免数据的拷贝。

          

 

6.3 response的流程处理
6.3.1实现
   只需要在netty的pipeLine中配置HttpResponseEncoder 

6.3.2原理
         

     1：输入是FullHttpResponse对象，输出是ByteBuf。socket再将ByteBuf数据发送到访问端。

     2：对FullHttpResponse按照http协议进行序列化。判断header里面是ContentLength还是Trunked，然后body按照相应的协议进行序列化。 

     3：具体原理和request请求方式比较类似，这次不再详细描述。    

6.4 压缩实现
6.4.1 实现
       在HttpResponseEncoder之前加上 HttpContentCompressor 。response对象先进过HttpContentCompressor 压缩后，再经过HttpResponseEncoder进行序列化。

         

 

       1：压缩主要是针对body进行压缩。http1.1不支持对header的压缩。

        2：压缩后body的输出是trunked，而不是Content-length的形式。

6.4.2 Gzip格式
      gzip压缩后主要包含三部分：

    

      gzip头：主要存储的是gzip的压缩方式

      deflate编码：内容采用的是deflate压缩算法

      gzip尾：主要是采用CRC32算法对编码内容进行校验。

 

7 安全配置

参数	推荐	返回错误码	描述
requst Line size	2k	414	主要是限制url的长度
header size	4k	414	避免header过长
body size	60M	413	此处一般和业务关联，一般设置相对较大
keepalive timeout	75		如果连接在设定时间内没有使用，则关闭掉连接，避免维护的连接过多

GET和POST的区别，笔者之前理解的其中一项是：get的url长度有限制，post的body长度没有限制。   

其实这种理解是有偏差的：不管是url长度限制或者body长度限制都是有后端http容器配置的。 body的长度限制一般比get的url长度限制稍大。

原文：https://blog.csdn.net/youaremoon/article/details/47910971