Unix Web服务

HTTP

Web客户端和服务器的交互用的是一个基于文本的应用级协议 —— HTTP(Hypertext Transfer Protocol)。客户端与服务器的一个典型交互过程为：一个Web客户端(即浏览器)打开一个到服务器的因特网连接，并且请求某些内容；服务器响应所请求的内容，然后关闭连接；浏览器读取这些内容，并把它显示在屏幕上。

Web与常规的文件检索服务(如FTP)的主要区别是: Web内容可以使用HTML(Hypertext Markup Language)来编写，提供格式和布局的控制，并且包含超链接。

Web内容

对于Web客户端和服务器而言，内容是与一个MIME(Multipurpose Internet Mail Extensions)类型相关的字节序列。

Web服务器以两种不同的方式向客户端提供内容:

1. 取一个磁盘文件，并将它的内容返回给客户端。
2. 运行一个可执行文件，并将它的输出返回给客户端。

每条由Web服务器返回的内容都是和它管理的的某个文件相关联的。这些文件中的每一个都有唯一的名字，叫做URL(Universal Resource Locator)。例如:

http://www.google.com:80/index.html

标识因特网主机www.google.com上一个称为/index.html的HTML文件，它是由一个监听端口80的Web服务器管理的。

可执行文件的URL可以在文件名后包括程序参数。?分隔文件名和参数，而且每个参数都用&分隔开。例如:

http://example.com:80/cig-bin/adder?123&345

标识了一个叫做/cig-bin/adder的可执行文件，会带两个参数123和345来调用它。在事务过程中，客户端和服务器使用的URL的不同部分。例如，客户端使用前缀

http://www.google.com:80

来决定与哪类服务器联系，服务器在哪，以及它监听的端口号是多少。服务器使用后缀

/index.html

来发现在它的文件系统中的文件，并确定请求的是动态内容还是静态内容。

HTTP事务

HTTP事务是指由客户端发起HTTP请求，服务器返回HTTP响应，然后关闭连接。

1.HTTP请求

HTTP请求的组成:

1. 一个请求行(request line)
2. (紧跟着)零个或多个请求报头(request header)
3. (最后以)一个空的文本行来终止报头列表
4. (POST方法可能会在这增加一个请求主体)

每个文本行都由一对回车和换行符结束\r\n

请求行的形式是:

<method> <uri> <version>

<method>是HTTP支持的方法，包括GET、POST、OPTIONS、HEAD、PUT、DELETE和TRACE。应用最多的GET方法指导服务器生成和返回<URI>(Uniform Resource Identifier)标识的内容。POST方法经常用于提交表单。HEAD方法类似与GET方法，当服务器接受到HEAD方法的请求时，将会用一个HTTP报文进行响应，但是并不返回请求主体。PUT方法常与Web发行工具联合使用，用户使用它上传对象到指定的Web服务器上的指定路径。DELETE方法允许用户删除Web服务器上的内容。

<uri>是相应URL的后缀，包括文件名和可选的参数。

<version>表明了该请求遵循的HTTP版本。

请求报头为服务器提供了额外的信息，例如浏览器的商标名，或者浏览器理解的MIME类型。请求报头的格式为:

<header name>: <header data>

针对HTTP/1.1请求，我们需要HOST报头，如Host: www.google.com，它的数据指示了原始服务器的域名。

2.HTTP响应

HTTP响应的组成:

1. 一个响应行(response line)
2. (紧跟着)零个或更多的响应报头(response header)
3. (再紧跟着)一个终止报头的空白行
4. (再紧跟着)一个响应主体(response body)

一个响应行的格式是:

<version> <status code> <status message>

<version>描述了响应所遵循的HTTP版本。<status code>是一个三位的正整数，指明对请求的处理，<status message>给出与错误码等价的英文描述。以下是一些常见的状态码:

状态码分类：1xx消息，2xx成功，3xx重定向，4xx客户端错误，5xx服务器错误

响应报头提供了关于响应的附加信息。比如Content-Type告诉客户端响应主体中内容的MIME类型；Content-Length指示响应主体的大小。

终止响应报头的空文本行之后，跟随的是响应主体，响应主体中包含着被请求的内容。

服务动态内容

CGI(Common Gateway Interface)的实际标准用来解决如下问题:

1. 客户端如何将参数传递给服务器

   Get请求的参数在URL中传递。一个?分割文件名和参数，而每个参数都用一个&字符隔开。参数中不允许有空格，而必须用字符串%20来表示，对于其他特殊字符，也存在着相似的编码。POST请求的参数是在请求主体中而不是在URI中传递的。

2. 服务器如何将参数传递给子进程

   在服务器接收到一个如下的请求后

    GET /cgi-bin/adder?123&345 HTTP/1.1
   

   它调用fork创建一个子进程，并调用execve在子进程的上下文中执行/cgi-bin/adder程序。像adder这样的程序，常常被称为CGI程序，因为它们遵守CGI标准。在调用execve之前，子进程将CGI环境变量QUERY_STRING设置为123&345，adder程序在运行时可以使用Unix getenv函数来引用它。

3. 服务器如何将其他信息传递给子进程

   CGI定义了大量的环境变量，一个CGI程序在它运行时可以设置这些环境变量。

   环境变量	描述
   QUERY_STRING	程序参数
   SERVER_PORT	父进程监听的端口
   REQUEST_METHOD	GET或POST
   REMOTE_HOST	客户端的域名
   REMOTE_ADDR	客户端的点分十进制IP地址
   CONTENT_TYPE	只对POST而言: 请求体的MIME类型
   CONTEMT_LENGTH	只对POST而言: 请求体的字节大小

4. 子进程将它的输出发送到哪里

   一个CGI程序将它的动态内容发送到标准输出。在子进程中加载并运行CGI程序之前，它使用Unix dup2函数将标准输出重定向到和客户端相关联的已连接描述符。因此，任何CGI程序写到标准输出的内容都会直接到达客户端。 因为父进程不知道子进程生成的内容的类型和大小，所以子进程负责生成Content-type和Content-length响应报头，以及终止报头的空行。

cookie

HTTP服务器是无状态的，也就是说，同一个用户向一个服务器发送不同的请求，服务器不能识到这些请求来自来自同一个用户。

然而一个Web站点通常希望能够识别用户，为此HTTP使用了cookie。cookie的工作过程为:

1. 用户浏览器向服务器发送请求
2. 服务器接收的请求后，产生一个唯一的标识码<identification code>，并以此为索引在它的后端数据库中产生一个表项
3. 服务器用一个包含Set-cookie: <identification code>响应报头的响应报文对用户浏览器进行响应
4. 用户浏览器收到该HTTP响应报文时，它会看到Set-cookie报头，该浏览器在它管理的特定cookie文件中添加一行，改行包含服务器的主机名和在Set-cookie报头中声明的<identification code>
5. 之后当用户浏览器继续向相同服务器发送请求时，HTTP请求报文都包含Cookie: <identification code>请求报头，服务器可以据此跟踪用户，保存用户状态