平時(shí)我們打開網(wǎng)頁，比如購物網(wǎng)站某寶。都是點(diǎn)一下「列表商品」，跳轉(zhuǎn)一下網(wǎng)頁就到了「商品詳情」。

從 HTTP 協(xié)議的角度來看，就是點(diǎn)一下網(wǎng)頁上的某個(gè)按鈕，前端發(fā)一次 HTTP請(qǐng) 求，網(wǎng)站返回一次 HTTP 響應(yīng)。這種由客戶端主動(dòng)請(qǐng)求，服務(wù)器響應(yīng)的方式也滿足大部分網(wǎng)頁的功能場(chǎng)景。

但有沒有發(fā)現(xiàn)，這種情況下，服務(wù)器從來就「不會(huì)主動(dòng)」給客戶端發(fā)一次消息。就像你喜歡的女生從來不會(huì)主動(dòng)找你一樣。

但如果現(xiàn)在，你在刷網(wǎng)頁的時(shí)候「右下角」突然彈出一個(gè)小廣告，提示你【一個(gè)人在家偷偷才能玩哦】。

求知，好學(xué)，勤奮，這些刻在你 DNA 里的東西都動(dòng)起來了。

你點(diǎn)開后發(fā)現(xiàn)。

長相平平無奇的古某提示你"道士 9 條狗，全服橫著走"。

影帝某輝老師跟你說"系兄弟就來砍我"。

來都來了，你就選了個(gè)角色進(jìn)到了游戲界面里。

這時(shí)候，上來就是一個(gè)小怪，從遠(yuǎn)處走來，然后瘋狂拿木棒子抽你。

你全程沒點(diǎn)任何一次鼠標(biāo)。服務(wù)器就自動(dòng)將怪物的移動(dòng)數(shù)據(jù)和攻擊數(shù)據(jù)源源不斷發(fā)給你了。

這….太暖心了。

感動(dòng)之余，問題就來了，

像這種看起來服務(wù)器主動(dòng)發(fā)消息給客戶端的場(chǎng)景，是怎么做到的？

在真正回答這個(gè)問題之前，我們先來聊下一些相關(guān)的知識(shí)背景。

使用 HTTP 不斷輪詢

其實(shí)問題的痛點(diǎn)在于，怎么樣才能在用戶不做任何操作的情況下，網(wǎng)頁能收到消息并發(fā)生變更。

最常見的解決方案是，網(wǎng)頁的前端代碼里不斷定時(shí)發(fā) HTTP 請(qǐng)求到服務(wù)器，服務(wù)器收到請(qǐng)求后給客戶端響應(yīng)消息。

這其實(shí)時(shí)一種「偽」服務(wù)器推的形式。

它其實(shí)并不是服務(wù)器主動(dòng)發(fā)消息到客戶端，而是客戶端自己不斷偷偷請(qǐng)求服務(wù)器，只是用戶無感知而已。

用這種方式的場(chǎng)景也有很多，最常見的就是掃碼登錄。

比如，某信公眾號(hào)平臺(tái)，登錄頁面二維碼出現(xiàn)之后，前端網(wǎng)頁根本不知道用戶掃沒掃，于是不斷去向后端服務(wù)器詢問，看有沒有人掃過這個(gè)碼。而且是以大概 1 到 2 秒的間隔去不斷發(fā)出請(qǐng)求，這樣可以保證用戶在掃碼后能在 1 到 2 秒內(nèi)得到及時(shí)的反饋，不至于等太久。

使用HTTP定時(shí)輪詢

但這樣，會(huì)有兩個(gè)比較明顯的問題：

• 當(dāng)你打開 F12 頁面時(shí)，你會(huì)發(fā)現(xiàn)滿屏的 HTTP 請(qǐng)求。雖然很小，但這其實(shí)也消耗帶寬，同時(shí)也會(huì)增加下游服務(wù)器的負(fù)擔(dān)。
• 最壞情況下，用戶在掃碼后，需要等個(gè) 1~2 秒，正好才觸發(fā)下一次 HTTP 請(qǐng)求，然后才跳轉(zhuǎn)頁面，用戶會(huì)感到明顯的卡頓。

使用起來的體驗(yàn)就是，二維碼出現(xiàn)后，手機(jī)掃一掃，然后在手機(jī)上點(diǎn)個(gè)確認(rèn)，這時(shí)候卡頓等個(gè) 1~2 秒，頁面才跳轉(zhuǎn)。

不斷輪詢查看是否有掃碼

那么問題又來了，有沒有更好的解決方案？

有，而且實(shí)現(xiàn)起來成本還非常低。

長輪詢

我們知道，HTTP 請(qǐng)求發(fā)出后，一般會(huì)給服務(wù)器留一定的時(shí)間做響應(yīng)，比如 3 秒，規(guī)定時(shí)間內(nèi)沒返回，就認(rèn)為是超時(shí)。

如果我們的 HTTP 請(qǐng)求將超時(shí)設(shè)置的很大，比如 30 秒，在這 30 秒內(nèi)只要服務(wù)器收到了掃碼請(qǐng)求，就立馬返回給客戶端網(wǎng)頁。如果超時(shí)，那就立馬發(fā)起下一次請(qǐng)求。

這樣就減少了 HTTP 請(qǐng)求的個(gè)數(shù)，并且由于大部分情況下，用戶都會(huì)在某個(gè) 30 秒的區(qū)間內(nèi)做掃碼操作，所以響應(yīng)也是及時(shí)的。

長輪詢

比如，某度云網(wǎng)盤就是這么干的。所以你會(huì)發(fā)現(xiàn)一掃碼，手機(jī)上點(diǎn)個(gè)確認(rèn)，電腦端網(wǎng)頁就秒跳轉(zhuǎn)，體驗(yàn)很好。

長輪詢的方式來替代

像這種發(fā)起一個(gè)請(qǐng)求，在較長時(shí)間內(nèi)等待服務(wù)器響應(yīng)的機(jī)制，就是所謂的長訓(xùn)輪機(jī)制。我們常用的消息隊(duì)列 RocketMQ 中，消費(fèi)者去取數(shù)據(jù)時(shí)，也用到了這種方式。

RocketMQ的消費(fèi)者通過長輪詢獲取數(shù)據(jù)

像這種，在用戶不感知的情況下，服務(wù)器將數(shù)據(jù)推送給瀏覽器的技術(shù)，就是所謂的服務(wù)器推送技術(shù)，它還有個(gè)毫不沾邊的英文名，comet 技術(shù)，大家聽過就好。

上面提到的兩種解決方案（不斷輪詢和長輪詢），本質(zhì)上，其實(shí)還是客戶端主動(dòng)去取數(shù)據(jù)。

對(duì)于像掃碼登錄這樣的簡單場(chǎng)景還能用用。但如果是網(wǎng)頁游戲呢，游戲一般會(huì)有大量的數(shù)據(jù)需要從服務(wù)器主動(dòng)推送到客戶端。

這就得說下 websocket 了。

websocket是什么

我們知道 TCP 連接的兩端，同一時(shí)間里，雙方都可以主動(dòng)向?qū)Ψ桨l(fā)送數(shù)據(jù)。這就是所謂的全雙工。

而現(xiàn)在使用最廣泛的HTTP/1.1，也是基于TCP協(xié)議的，同一時(shí)間里，客戶端和服務(wù)器只能有一方主動(dòng)發(fā)數(shù)據(jù)，這就是所謂的半雙工。

也就是說，好好的全雙工 TCP，被 HTTP/1.1 用成了半雙工。

為什么？

這是由于 HTTP 協(xié)議設(shè)計(jì)之初，考慮的是看看網(wǎng)頁文本的場(chǎng)景，能做到客戶端發(fā)起請(qǐng)求再由服務(wù)器響應(yīng)，就夠了，根本就沒考慮網(wǎng)頁游戲這種，客戶端和服務(wù)器之間都要互相主動(dòng)發(fā)大量數(shù)據(jù)的場(chǎng)景。

所以，為了更好的支持這樣的場(chǎng)景，我們需要另外一個(gè)基于TCP的新協(xié)議。

于是新的應(yīng)用層協(xié)議websocket就被設(shè)計(jì)出來了。

大家別被這個(gè)名字給帶偏了。雖然名字帶了個(gè)socket，但其實(shí) socket 和 websocket 之間，就跟雷峰和雷峰塔一樣，二者接近毫無關(guān)系。

websocket在四層網(wǎng)絡(luò)協(xié)議中的位置

怎么建立websocket連接

我們平時(shí)刷網(wǎng)頁，一般都是在瀏覽器上刷的，一會(huì)刷刷圖文，這時(shí)候用的是 HTTP 協(xié)議，一會(huì)打開網(wǎng)頁游戲，這時(shí)候就得切換成我們新介紹的 websocket 協(xié)議。

為了兼容這些使用場(chǎng)景。瀏覽器在 TCP 三次握手建立連接之后，都統(tǒng)一使用 HTTP 協(xié)議先進(jìn)行一次通信。

• 如果此時(shí)是普通的 HTTP 請(qǐng)求，那后續(xù)雙方就還是老樣子繼續(xù)用普通 HTTP 協(xié)議進(jìn)行交互，這點(diǎn)沒啥疑問。
• 如果這時(shí)候是想建立 websocket 連接，就會(huì)在 HTTP 請(qǐng)求里帶上一些特殊的header 頭，如下：

Connection: Upgrade
Upgrade: websocket
Sec-WebSocket-Key: T2a6wZlAwhgQNqruZ2YUyg==

這些 header 頭的意思是，瀏覽器想升級(jí)協(xié)議（Connection: Upgrade），并且想升級(jí)成 websocket 協(xié)議（Upgrade: websocket）。同時(shí)帶上一段隨機(jī)生成的 base64 碼（Sec-WebSocket-Key），發(fā)給服務(wù)器。

如果服務(wù)器正好支持升級(jí)成 websocket 協(xié)議。就會(huì)走 websocket 握手流程，同時(shí)根據(jù)客戶端生成的 base64 碼，用某個(gè)公開的算法變成另一段字符串，放在 HTTP 響應(yīng)的 Sec-WebSocket-Accept 頭里，同時(shí)帶上101狀態(tài)碼，發(fā)回給瀏覽器。HTTP 的響應(yīng)如下：

HTTP/1.1101SwitchingProtocols

Sec-WebSocket-Accept:iBJKv/ALIW2DobfoA4dmr3JHBCY=

Upgrade:websocket

Connection:Upgrade

HTTP 狀態(tài)碼=200（正常響應(yīng)）的情況，大家見得多了。101 確實(shí)不常見，它其實(shí)是指協(xié)議切換。

base64轉(zhuǎn)為新的字符串

之后，瀏覽器也用同樣的公開算法將base64碼轉(zhuǎn)成另一段字符串，如果這段字符串跟服務(wù)器傳回來的字符串一致，那驗(yàn)證通過。

對(duì)比客戶端和服務(wù)端生成的字符串

就這樣經(jīng)歷了一來一回兩次 HTTP 握手，websocket就建立完成了，后續(xù)雙方就可以使用 webscoket 的數(shù)據(jù)格式進(jìn)行通信了。

建立websocket連接.drawio

websocket抓包

我們可以用wireshark抓個(gè)包，實(shí)際看下數(shù)據(jù)包的情況。

客戶端請(qǐng)求升級(jí)為websocket

上面這張圖，注意畫了紅框的第2445行報(bào)文，是websocket的第一次握手，意思是發(fā)起了一次帶有特殊Header的HTTP請(qǐng)求。

服務(wù)器同意升級(jí)為websocket協(xié)議

上面這個(gè)圖里畫了紅框的4714行報(bào)文，就是服務(wù)器在得到第一次握手后，響應(yīng)的第二次握手，可以看到這也是個(gè) HTTP 類型的報(bào)文，返回的狀態(tài)碼是 101。同時(shí)可以看到返回的報(bào)文 header 中也帶有各種websocket相關(guān)的信息，比如Sec-WebSocket-Accept。

兩次HTTP請(qǐng)求之后正式使用websocket通信

上面這張圖就是全貌了，從截圖上的注釋可以看出，websocket和HTTP一樣都是基于TCP的協(xié)議。經(jīng)歷了三次TCP握手之后，利用 HTTP 協(xié)議升級(jí)為 websocket 協(xié)議。

你在網(wǎng)上可能會(huì)看到一種說法："websocket 是基于HTTP的新協(xié)議"，其實(shí)這并不對(duì)，因?yàn)閣ebsocket只有在建立連接時(shí)才用到了HTTP，升級(jí)完成之后就跟HTTP沒有任何關(guān)系了。

這就好像你喜歡的女生通過你要到了你大學(xué)室友的微信，然后他們自己就聊起來了。你能說這個(gè)女生是通過你去跟你室友溝通的嗎？不能。你跟HTTP一樣，都只是個(gè)工具人。

這就有點(diǎn)"借殼生蛋"的那意思。

HTTP和websocket的關(guān)系

websocket的消息格式

上面提到在完成協(xié)議升級(jí)之后，兩端就會(huì)用webscoket的數(shù)據(jù)格式進(jìn)行通信。

數(shù)據(jù)包在websocket中被叫做幀，我們來看下它的數(shù)據(jù)格式長什么樣子。

websocket報(bào)文格式

這里面字段很多，但我們只需要關(guān)注下面這幾個(gè)。

opcode字段：這個(gè)是用來標(biāo)志這是個(gè)什么類型的數(shù)據(jù)幀。比如。

• 等于 1 ，是指text類型（string）的數(shù)據(jù)包
• 等于 2 ，是二進(jìn)制數(shù)據(jù)類型（[]byte）的數(shù)據(jù)包
• 等于 8 ，是關(guān)閉連接的信號(hào)

payload字段：存放的是我們真正想要傳輸?shù)臄?shù)據(jù)的長度，單位是字節(jié)。比如你要發(fā)送的數(shù)據(jù)是字符串"111"，那它的長度就是3。

img

另外，可以看到，我們存放** payload 長度的字段有好幾個(gè)**，我們既可以用最前面的7bit, 也可以用后面的7+16bit 或 7+64bit。

那么問題就來了。

我們知道，在數(shù)據(jù)層面，大家都是 01 二進(jìn)制流。我怎么知道什么情況下應(yīng)該讀 7 bit，什么情況下應(yīng)該讀7+16bit呢？

websocket會(huì)用最開始的7bit做標(biāo)志位。不管接下來的數(shù)據(jù)有多大，都先讀最先的7個(gè)bit，根據(jù)它的取值決定還要不要再讀個(gè) 16bit 或 64bit。

• 如果最開始的7bit的值是 0~125，那么它就表示了 payload 全部長度，只讀最開始的7個(gè)bit就完事了。

payload長度在0到125之間

• 如果是126（0x7E）。那它表示payload的長度范圍在 126~65535 之間，接下來還需要再讀16bit。這16bit會(huì)包含payload的真實(shí)長度。

payload長度在126到65535之間

• 如果是127（0x7F）。那它表示payload的長度范圍>=65536，接下來還需要再讀64bit。這64bit會(huì)包含payload的長度。這能放2的64次方byte的數(shù)據(jù)，換算一下好多個(gè)TB，肯定夠用了。

payload長度大于等于65536的情況

payload data字段：這里存放的就是真正要傳輸?shù)臄?shù)據(jù)，在知道了上面的payload長度后，就可以根據(jù)這個(gè)值去截取對(duì)應(yīng)的數(shù)據(jù)。

大家有沒有發(fā)現(xiàn)一個(gè)小細(xì)節(jié)，websocket的數(shù)據(jù)格式也是數(shù)據(jù)頭（內(nèi)含payload長度） + payload data 的形式。

這是因?yàn)?TCP 協(xié)議本身就是全雙工，但直接使用純裸TCP去傳輸數(shù)據(jù)，會(huì)有粘包的"問題"。為了解決這個(gè)問題，上層協(xié)議一般會(huì)用消息頭+消息體的格式去重新包裝要發(fā)的數(shù)據(jù)。

而消息頭里一般含有消息體的長度，通過這個(gè)長度可以去截取真正的消息體。

HTTP 協(xié)議和大部分 RPC 協(xié)議，以及我們今天介紹的websocket協(xié)議，都是這樣設(shè)計(jì)的。

消息邊界長度標(biāo)志

websocket的使用場(chǎng)景

websocket完美繼承了 TCP 協(xié)議的全雙工能力，并且還貼心的提供了解決粘包的方案。

它適用于需要服務(wù)器和客戶端（瀏覽器）頻繁交互的大部分場(chǎng)景，比如網(wǎng)頁/小程序游戲，網(wǎng)頁聊天室，以及一些類似飛書這樣的網(wǎng)頁協(xié)同辦公軟件。

回到文章開頭的問題，在使用 websocket 協(xié)議的網(wǎng)頁游戲里，怪物移動(dòng)以及攻擊玩家的行為是服務(wù)器邏輯產(chǎn)生的，對(duì)玩家產(chǎn)生的傷害等數(shù)據(jù)，都需要由服務(wù)器主動(dòng)發(fā)送給客戶端，客戶端獲得數(shù)據(jù)后展示對(duì)應(yīng)的效果。

websocket的使用場(chǎng)景

總結(jié)

• TCP 協(xié)議本身是全雙工的，但我們最常用的 HTTP/1.1，雖然是基于 TCP 的協(xié)議，但它是半雙工的，對(duì)于大部分需要服務(wù)器主動(dòng)推送數(shù)據(jù)到客戶端的場(chǎng)景，都不太友好，因此我們需要使用支持全雙工的 websocket 協(xié)議。
• 在 HTTP/1.1 里，只要客戶端不問，服務(wù)端就不答?；谶@樣的特點(diǎn)，對(duì)于登錄頁面這樣的簡單場(chǎng)景，可以使用定時(shí)輪詢或者長輪詢的方式實(shí)現(xiàn)服務(wù)器推送(comet)的效果。
• 對(duì)于客戶端和服務(wù)端之間需要頻繁交互的復(fù)雜場(chǎng)景，比如網(wǎng)頁游戲，都可以考慮使用 websocket 協(xié)議。
• websocket 和 socket 幾乎沒有任何關(guān)系，只是叫法相似。
• 正因?yàn)楦鱾€(gè)瀏覽器都支持 HTTP協(xié) 議，所以 websocket 會(huì)先利用HTTP協(xié)議加上一些特殊的 header 頭進(jìn)行握手升級(jí)操作，升級(jí)成功后就跟 HTTP 沒有任何關(guān)系了，之后就用 websocket 的數(shù)據(jù)格式進(jìn)行收發(fā)數(shù)據(jù)。