从输入网址到显示网页的全过程分析

拼搏现实的明天。 2022-08-01 00:25 173阅读 0赞

1. 首先嘛，你得在浏览器里输入要网址:

![image4.png][]  
  
2. 浏览器查找域名的IP地址

![image13.png][]

导航的第一步是通过访问的域名找出其IP地址。DNS查找过程如下：

\* 浏览器缓存 – 浏览器会缓存DNS记录一段时间。 有趣的是，操作系统没有告诉浏览器储存DNS记录的时间，这样不同浏览器会储存个自固定的一个时间（2分钟到30分钟不等）。  
\* 系统缓存 – 如果在浏览器缓存里没有找到需要的记录，浏览器会做一个系统调用（windows里是gethostbyname）。这样便可获得系统缓存中的记录。  
\* 路由器缓存 – 接着，前面的查询请求发向路由器，它一般会有自己的DNS缓存。  
\* ISP DNS 缓存 – 接下来要check的就是ISP缓存DNS的[服务器][Link 1]。在这一般都能找到相应的缓存记录。  
\* 递归搜索 – 你的ISP的DNS[服务器][Link 1]从跟域名[服务器][Link 1]开始进行递归搜索，从.com顶级域名[服务器][Link 1]到Facebook的域名[服务器][Link 1]。一般DNS[服务器][Link 1]的缓存中会 有.com域名[服务器][Link 1]中的域名，所以到顶级[服务器][Link 1]的匹配过程不是那么必要了。

DNS递归查找如下图所示：

![500pxAn_example_of_theoretical_DNS_recursion_svg.png][]

DNS有一点令人担忧，这就是像wikipedia.org 或者 facebook.com这样的整个域名看上去只是对应一个单独的IP地址。还好，有几种方法可以消除这个瓶颈：

\* 循环 DNS 是DNS查找时返回多个IP时的解决方案。举例来说，Facebook.com实际上就对应了四个IP地址。  
\* 负载平衡器 是以一个特定IP地址进行侦听并将网络请求转发到集群[服务器][Link 1]上的硬件设备。 一些大型的站点一般都会使用这种昂贵的高性能负载平衡器。  
\* 地理 DNS 根据用户所处的地理位置，通过把域名映射到多个不同的IP地址提高可扩展性。这样不同的[服务器][Link 1]不能够更新同步状态，但映射静态内容的话非常好。  
\* Anycast 是一个IP地址映射多个物理主机的路由技术。 美中不足，Anycast与TCP协议适应的不是很好，所以很少应用在那些方案中。

大多数DNS[服务器][Link 1]使用Anycast来获得高效低延迟的DNS查找。

3. 浏览器给[web][][服务器][Link 1]发送一个HTTP请求

![image22.png][]

因为像Facebook主页这样的动态页面，打开后在浏览器缓存中很快甚至马上就会过期，毫无疑问他们不能从中读取。

所以，浏览器将把一下请求发送到Facebook所在的[服务器][Link 1]：

GET HTTP://facebook.com/ HTTP/1.1  
Accept: application/x-ms-application, image/jpeg, application/xaml+xml, \[...\]  
User-Agent: Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.1; WOW64; \[...\]  
Accept-Encoding: gzip, deflate  
Connection: Keep-Alive  
Host: facebook.com  
Cookie: datr=1265876274-\[...\]; locale=en\_US; lsd=WW\[...\]; c\_user=2101\[...\]

GET 这个请求定义了要读取的URL： “HTTP://facebook.com/”。 浏览器自身定义 (User-Agent 头)， 和它希望接受什么类型的相应 (Accept and Accept-Encoding 头). Connection头要求[服务器][Link 1]为了后边的请求不要关闭TCP连接。

请求中也包含浏览器存储的该域名的cookies。可能你已经知道，在不同页面请求当中，cookies是与跟踪一个[网站][Link 2]状态相匹配的键值。这样cookies会存储登录用户名，[服务器][Link 1]分配的密码和一些用户设置等。Cookies会以文本文档形式存储在客户机里，每次请求时发送给[服务器][Link 1]。

用来看原始HTTP请求及其相应的工具很多。作者比较喜欢使用fiddler，当然也有像FireBug这样其他的工具。这些软件在[网站][Link 2]优 化时会帮上很大忙。  
除了获取请求，还有一种是发送请求，它常在提交表单用到。发送请求通过URL传递其参数(e.g.: HTTP://robozzle.com/puzzle.aspx?id=85)。发送请求在请求正文头之后发送其参数。

像“HTTP://facebook.com/”中的斜杠是至关重要的。这种情况下，浏览器能安全的添加斜杠。而像“HTTP: //example.com/folderOrFile”这样的地址，因为浏览器不清楚folderOrFile到底是文件夹还是文件，所以不能自动添加 斜杠。这时，浏览器就不加斜杠直接访问地址，[服务器][Link 1]会响应一个重定向，结果造成一次不必要的握手。

4. facebook服务的永久重定向响应

![image8.png][]

图中所示为Facebook[服务器][Link 1]发回给浏览器的响应：

HTTP/1.1 301 Moved Permanently  
Cache-Control: private, no-store, no-cache, must-revalidate, post-check=0,  
pre-check=0  
Expires: Sat, 01 Jan 2000 00:00:00 GMT  
Location: HTTP://www.facebook.com/  
P3P: CP=”DSP LAW”  
Pragma: no-cache  
Set-Cookie: made\_write\_conn=deleted; expires=Thu, 12-Feb-2009 05:09:50 GMT;  
path=/; domain=.facebook.com; httponly  
Content-Type: text/html; charset=utf-8  
X-Cnection: close  
Date: Fri, 12 Feb 2010 05:09:51 GMT  
Content-Length: 0

[服务器][Link 1]给浏览器响应一个301永久重定向响应，这样浏览器就会访问“HTTP://www.facebook.com/” 而非“HTTP://facebook.com/”。

为什么[服务器][Link 1]一定要重定向而不是直接发会用户想看的网页内容呢？这个问题有好多有意思的答案。

其中一个原因跟搜索引擎排名有 关。你看，如果一个页面有两个地址，就像HTTP://www.igoro.com/ 和HTTP://igoro.com/，搜索引擎会认为它们是两个[网站][Link 2]，结果造成每一个的搜索链接都减少从而降低排名。而搜索引擎知道301永久重定向是 什么意思，这样就会把访问带www的和不带www的地址归到同一个[网站][Link 2]排名下。

还有一个是用不同的地址会造成缓存友好性变差。当一个页面有好几个名字时，它可能会在缓存里出现好几次。  
5. 浏览器跟踪重定向地址

![image23.png][]

现在，浏览器知道了 “HTTP://www.facebook.com/”才是要访问的正确地址，所以它会发送另一个获取请求：

GET HTTP://www.facebook.com/ HTTP/1.1  
Accept: application/x-ms-application, image/jpeg, application/xaml+xml, \[...\]  
Accept-Language: en-US  
User-Agent: Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.1; WOW64; \[...\]  
Accept-Encoding: gzip, deflate  
Connection: Keep-Alive  
Cookie: lsd=XW\[...\]; c\_user=21\[...\]; x-referer=\[...\]  
Host: www.facebook.com

头信息以之前请求中的意义相同。

6. [服务器][Link 1]“处理”请求

![image9.png][]

[服务器][Link 1]接收到获取请求，然后处理并返回一个响应。

这表面上看起来是一个顺向的任务，但其实这中间发生了很多有意思的东西- 就像作者博客这样简单的[网站][Link 2]，何况像facebook那样访问量大的[网站][Link 2]呢！

\* [Web][web] [服务器][Link 1]软件  
[web][][服务器][Link 1]软件（像IIS和阿帕奇）接收到HTTP请求，然后确定执行什么请求处理来处理它。请求处理就 是一个能够读懂请求并且能生成HTML来进行响应的程序（像ASP.NET,PHP,RUBY…）。

举 个最简单的例子，需求处理可以以映射[网站][Link 2]地址结构的文件层次存储。像HTTP://example.com/folder1/page1.aspx这个地 址会映射/httpdocs/folder1/page1.aspx这个文件。[web][][服务器][Link 1]软件可以设置成为地址人工的对应请求处理，这样 page1.aspx的发布地址就可以是HTTP://example.com/folder1/page1。  
\* 请求处理  
请求处理阅读 请求及它的参数和cookies。它会读取也可能更新一些数据，并讲数据存储在[服务器][Link 1]上。然后，需求处理会生成一个HTML响应。

所 有动态[网站][Link 2]都面临一个有意思的难点 -如何存储数据。小[网站][Link 2]一半都会有一个SQL数据库来存储数据，存储大量数据和/或访问量大的[网站][Link 2]不得不找一些办法把数据库分配到多台机器上。解决方案有：sharding （基于主键值讲数据表分散到多个数据库中），复制，利用弱语义一致性的简化数据库。

委托工作给批处理是一个廉价保持数据更新的技术。举例来讲，Fackbook得及时更新新闻feed，但数据支持下的“你可能认识的人”功能只需要每晚更新（作者猜测是这样的，改功能如何完善不得而知）。批处理作业更新会导致一些不太重要的数据陈旧，但能使数据更新耕作更快更简洁。  
7. [服务器][Link 1]发回一个HTML响应

![image10.png][]

图中为[服务器][Link 1]生成并返回的响应：

HTTP/1.1 200 OK  
Cache-Control: private, no-store, no-cache, must-revalidate, post-check=0,  
pre-check=0  
Expires: Sat, 01 Jan 2000 00:00:00 GMT  
P3P: CP=”DSP LAW”  
Pragma: no-cache  
Content-Encoding: gzip  
Content-Type: text/html; charset=utf-8  
X-Cnection: close  
Transfer-Encoding: chunked  
Date: Fri, 12 Feb 2010 09:05:55 GMT

2b3Tn@\[...\]

整个响应大小为35kB，其中大部分在整理后以blob类型传输。

内容编码头告诉浏览器整个响应体用 gzip算法进行压缩。解压blob块后，你可以看到如下期望的HTML：

“HTTP://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd”>  
lang=”en” id=”facebook”>

…

关于压缩，头信息说明了是否缓存这个页面，如果缓存的话如何去做，有什么cookies要去设置（前面这个响应里没有这点）和隐私信息等 等。

请注意报头中把Content-type设置为“text/html”。报头让浏览器将该响应内容以HTML形式呈现，而不是以文件形式下 载它。浏览器会根据报头信息决定如何解释该响应，不过同时也会考虑像URL扩展内容等其他因素。  
8. 浏览器开始显示HTML

在浏览器没有完整接受全部HTML文档时，它就已经开始显示这个页面了：

![image6.png][]

9. 浏览器发送获取嵌入在HTML中的对象

![image11.png][]

在浏览器显示HTML时，它会注意到需要获取其他地址内容的标签。这时，浏览器会发送一个获取请求来重新获得这些文件。

下面是几个我们访问facebook.com时需要重获取的几个URL：

\* 图片

HTTP://static.ak.fbcdn.net/rsrc.php/z12E0/hash/8q2anwu7.gif

HTTP://static.ak.fbcdn.net/rsrc.php/zBS5C/hash/7hwy7at6.gif

…  
\* CSS 式样表

HTTP://static.ak.fbcdn.net/rsrc.php/z448Z/hash/2plh8s4n.css

HTTP://static.ak.fbcdn.net/rsrc.php/zANE1/hash/cvtutcee.css

…  
\* JavaScript 文件

HTTP://static.ak.fbcdn.net/rsrc.php/zEMOA/hash/c8yzb6ub.js

HTTP://static.ak.fbcdn.net/rsrc.php/z6R9L/hash/cq2lgbs8.js

…

这些地址都要经历一个和HTML读取类似的过程。所以浏览器会在DNS中查找这些域名，发送请求，重定向等等…

但不像动态页面那样，静态文件会允许浏览器对其进行缓存。有的文件可能会不需要与[服务器][Link 1]通讯，而从缓存中直接读取。[服务器][Link 1]的响应中包含了静态文件保存的期限信息，所以浏览器知道要把它们缓存多长时间。还有，每个响应都可能包含像版本号一样工作的ETag头（被请求变量的实体值），如果浏览器观察到文件的版本 ETag信息已经存在，就马上停止这个文件的传输。

试着猜猜看“fbcdn.net”在地址中代表什么？聪明的答案是”Facebook内容分发网络”。Facebook利用内容分发网络 （CDN）分发像图片，CSS表和 JavaScript文件这些静态文件。所以，这些文件会在全球很多CDN的数据中心中留下备份。

静态内容往往代表站点的带宽大小，也能通过CDN轻松的复制。通常[网站][Link 2]会使用第三方的CDN。例如，Facebook的静态文件由最大的 CDN提供商Akamai来托管。

举例来讲，当你试着ping static.ak.fbcdn.net的时候，可能会从某个akamai.net[服务器][Link 1]上获得响应。有意思的是，当你同样再ping一次的时候，响应的 [服务器][Link 1]可能就不一样，这说明幕后的负载平衡开始起作用了。  
10. 浏览器发送异步（AJAX）请求

![image12.png][]

在[Web][web] 2.0伟大精神的指引下，页面显示完成后客户端仍与[服务器][Link 1]端保持着联系。

以 Facebook聊天功能为例，它会持续与[服务器][Link 1]保持联系来及时更新你那些亮亮灰灰的好友状态。为了更新这些头像亮着的好友状态，在浏览器中执行的 JavaScript代码会给[服务器][Link 1]发送异步请求。这个异步请求发送给特定的地址，它是一个按照程式构造的获取或发送请求。还是在Facebook这个例子中，客户端发送给HTTP://www.facebook.com/ajax/chat/buddy\_list.php一个发布请求来获取你好友里哪个 在线的状态信息。

提起这个模式，就必须要讲讲”AJAX”– “异步JavaScript 和 XML”，虽然[服务器][Link 1]为什么用XML格式来进行响应也没有个一清二白的原因。再举个例子吧，对于异步请求，Facebook会返回一些 JavaScript的代码片段。

除了其他，fiddler这个工具能够让你看到浏览器发送的异步请求。事实上，你不仅可以被动的做为这些请求的看客，还能主动出击修改和重 新发送它们。AJAX请求这么容易被蒙，可着实让那些计分的在线游戏开发者们郁闷的了。（当然，可别那样骗人家~）

Facebook聊天功能提供了关于AJAX一个有意思的问题案例：把数据从[服务器][Link 1]端推送到客户端。因为HTTP是一个请求-响应协议，所 以聊天[服务器][Link 1]不能把新消息发给客户。取而代之的是客户端不得不隔几秒就轮询下[服务器][Link 1]端看自己有没有新消息。

这些情况发生时长轮询是个减轻[服务器][Link 1]负载挺有趣的技术。如果当被轮询时[服务器][Link 1]没有新消息，它就不理这个客户端。而当尚未超时的情况下收到了 该客户的新消息，[服务器][Link 1]就会找到未完成的请求，把新消息做为响应返回给客户端。  
总结一下

希望看了本文，你能明白不同的网络模块是如何协同工作的

[image4.png]: http://www.chinahtml.com/d/file//2010/07-12/image4.png
[image13.png]: http://www.chinahtml.com/d/file//2010/07-12/image13.png
[Link 1]: http://www.chinahtml.com/server
[500pxAn_example_of_theoretical_DNS_recursion_svg.png]: http://www.chinahtml.com/d/file//2010/07-12/500pxAn_example_of_theoretical_DNS_recursion_svg.png
[web]: http://www.iwanna.cn/tags/web/
[image22.png]: http://www.chinahtml.com/d/file//2010/07-12/image22.png
[Link 2]: http://www.chinahtml.com/
[image8.png]: http://www.chinahtml.com/d/file//2010/07-12/image8.png
[image23.png]: http://www.chinahtml.com/d/file//2010/07-12/image23.png
[image9.png]: http://www.chinahtml.com/d/file//2010/07-12/image9.png
[image10.png]: http://www.chinahtml.com/d/file//2010/07-12/image10.png
[image6.png]: http://www.chinahtml.com/d/file//2010/07-12/image6.png
[image11.png]: http://www.chinahtml.com/d/file//2010/07-12/image11.png
[image12.png]: http://www.chinahtml.com/d/file//2010/07-12/image12.png