206次阅读 | 发布于3年以前

本文主要介绍WebSocket协议解决的问题、协议内容等相关知识

诞生

WebSocket是为了解决服务端和客户端双向通讯问题，提出的一种传输协议，使客户端和服务端可以互相推送、接收消息，做到真正的双工。

在WebSocket出现之前，往往需要客户端通过频繁的发送HTTP请求，来获取服务端的数据，这会导致一些问题：

线路层较高的开销，因为每次HTTP请求建立连接，每次客户端到服务器的消息都需要携带头信息。
客户端往往还需要维护一个队列来处理服务端的返回值。
频繁的请求会给服务端带来压力。
消息的获取不够及时。采用WebSocket协议可以解决这些问题。

协议介绍

如下图所示，WebSocket协议分为握手和数据传输两个阶段。

握手

客户端的握手消息：

GET /chat HTTP/1.1
Host: server.example.com
Upgrade: websocket
Connection: Upgrade
Sec-WebSocket-Key: dGhlIHNhbXBsZSBub25jZQ==  // 握手的随机数，用来生成掩码。
Origin: http://example.com // 访问源
Sec-WebSocket-Protocol: chat, superchat  // 子协议的声明
Sec-WebSocket-Version: 13  // 协议版本
Upgrade: websocket

服务端的握手响应消息：

HTTP/1.1 101 Switching Protocols  // 101状态代表连接建立成功
Upgrade: websocket
Connection: Upgrade
Sec-WebSocket-Accept: s3pPLMBiTxaQ9kYGzzhZRbK+xOo=
Sec-WebSocket-Protocol: chat
Upgrade: websocket

握手过程中，WebSocke连接到服务器的端点，由HTTP的GET请求完成。既允许一个请求地址多个路径，也允许单个IP地址多个端口。WebSocket协议是一个独立的基于TCP的协议。它与HTTP唯一的关系是它的握手是由HTTP服务器解释为一个Upgrade请求。

消息

WebSocket的消息是使用帧序列来传输的，客户端必须使用掩码发送所有的帧。

使用掩码主要是考虑到安全问题，上文传输中提到的Sec-WebSocket-Key，就是编码中使用的，具体编码解码的细节我们在本文中就不介绍了。

一个数据帧各部分定义如下图：

FIN ：1bit ，表示是消息的最后一帧，如果消息只有一帧那么第一帧也就是最后一帧。
RSV1，RSV2，RSV3：每个1bit，必须是0，除非扩展定义为非零。如果接受到的是非零值但是扩展没有定义，则需要关闭连接。
Opcode：4bit，解释 Payload 数据，规定有以下不同的状态，如果是未知的，接收方必须马上关闭连接。状态如下：
0x00: 附加数据帧
0x01：文本数据帧
0x02：二进制数据帧
0x3-7：保留为之后非控制帧使用
0x8：关闭连接帧
0x9：ping
0xA：pong
0xB-F(保留为后面的控制帧使用)
Mask：1bit，掩码，定义payload数据是否进行了掩码处理，如果是1表示进行了掩码处理。
Masking-key:域的数据即是掩码密钥，用于解码PayloadData。客户端发出的数据帧需要进行掩码处理，所以此位是1。
Payload_len：7位，7 + 16位，7+64位，payload数据的长度，如果是0-125，就是真实的payload长度，如果是126，那么接着后面的2个字节对应的16位无符号整数就是payload数据长度；如果是127，那么接着后面的8个字节对应的64位无符号整数就是payload数据的长度。
Masking-key：0到4字节，如果MASK位设为1则有4个字节的掩码解密密钥，否则就没有。
Payload data：任意长度数据。包含有扩展定义数据和应用数据，如果没有定义扩展则没有此项，仅含有应用数据。

WebSocket中的帧分为两类：

数据帧，真正用来传输数据;
控制帧，用来控制连接的状态。控制帧主要有四种，控制帧由操作码确定，其中操作码最重要的位是1.控制帧的操作码包括0x8 (关闭帧)， 0x9 (Ping帧)，和0xA (Pong帧)。操作码0xB-0xF保留用于未来尚未定义的控制帧。Ping帧和Pong帧起到keepalive的作用

消息分片

一条逻辑消息可以分成多个单独的帧。接收端应该对它们进行缓冲，直到设置好fin位。因此，可以将字符串“Hello World”发送到11个包中，每个包的长度为6(报头长度)+ 1字节。控件包不允许分片。但是，规范希望能够处理乱序的控制帧。这是TCP包以任意顺序到达的情况。连接帧的逻辑大致如下：

接收第一帧
记住操作码
将帧有效负载连接在一起，直到 fin 位被设置
断言每个包的操作码是零

分片目的是发送长度未知的消息。如果不分片发送，即一帧，就需要缓存整个消息，计算其长度，构建frame并发送；使用分片的话，可使用一个大小合适的buffer，用消息内容填充buffer，填满即发送出去。

关闭会话

主动关闭：发送关闭帧来关闭会话。服务端和客户端都可以主动发送关闭帧。

发送关闭帧之后，当前端不能再发送数据。
接收到关闭帧后，不能再接收数据。被动关闭：TCP意外中断，WebSocket连接也会中断。

对于协议更详细的介绍可以参照:WebSocket的RFC文档

特性总结

WebSocket的设计就是在web交互中，安全的把TCP的数据传输能力赋予客户端和服务端。
它是基于帧的，而不是流。每一帧可以是字符也可以是二进制数据（对应到javascrip的数据类型分别是是字符串和Uint8Array）。
客户端可以是浏览器，也可以自己实现，如果在浏览器里要符合同源策略的限制。
基于URI和子协议，支持同主机同端口上提供多类服务。

在Chrome浏览器中抓取WebSocket包

打开开发人员工具
在过滤栏选择WS
点击一条请求，可以看到如上图看到的内容

Chrome最终展示了每次请求的三个纬度：

Data：消息内容；
Length：消息内容长度；
Time发送时间。

其中消息部分，绿色向上箭头表示消息由客户端发送到服务端，红色向下箭头表示消息由服务端发送到客户端。

不过使用Chrome抓包有局限性，看不到全部的帧信息，可以使用Wireshark抓包工具进行抓包。

引入WebSocket带来的影响

使用WebSocket协议也会对系统架构造成一些影响。如下图，非WebSocket协议下，我们的业务服务很容易扩展，只要保证服务无状态就可以了。

引入WebSocket后一种比较典型的架构设计，如下图所示：

引入WebSocket后，为了保证服务的可扩展性，我们往往需要做一些分层设计，把WebSocket协议层单独拆分，通过消息队列和业务服务解耦。这样就可以保证业务服务的可扩展性。总之引入WebSocket会给系统带来复杂性。系统架构的设计，如何保证服务的无状态，广播消息的实现等等。

长链接除了WebSocket外还有一种解决方案：HTTP/2 + SSE，后续有时间再分享。

参考资料

[1] https://websocket.org/

[2] https://gitee.com/geektime-geekbang/geektime-webprotoc

[3] https://datatracker.ietf.org/doc/rfc6455/

[4]https://segmentfault.com/a/1190000017448270

WebSocket协议简介

诞生