《网络协议》08. 概念补充

title: 《网络协议》08. 概念补充

date: 2022-10-06 18:33:04

updated: 2023-11-17 10:35:52

categories: 学习记录：网络协议

excerpt: 代理、VPN、CDN、网络爬虫、无线网络、缓存、Cookie & Session、RESTful。

comments: false

tags:

top_image: /images/backimg/SunsetClimbing.png

网络协议

1：代理
2：VPN
- 2.1：作用
- [2.2：VPN 与代理的区别](#2.2：VPN 与代理的区别)
- 2.3：实现原理
3：CDN
4：网络爬虫
- 4.1：简易实例
- 4.2：robots.txt
5：无线网络
6：缓存
[7：Cookie & Session](#7：Cookie & Session)
8：RESTful
- 8.1：实践建议

网络协议从入门到底层原理。

1：代理

代理服务器（Proxy Server）。

特点：

本身不生产内容
处于中间位置转发上下游的请求和响应
- 面向下游的客户端：它是服务器
- 面向上游的服务器：它是客户端

正向代理 / 反向代理：

正向代理：代理的对象是客户端
反向代理：代理的对象是服务器

1.1：正向代理

作用：

隐藏客户端身份
绕过防火墙（突破访问限制）
Internet 访问控制
数据过滤
...

1.2：反向代理

作用：

隐藏服务器身份
安全防护
负载均衡
...

抓包工具的原理：

Fiddler、Charles 等抓包工具的原理：在客户端启动了正向代理服务。

Wireshark、tcpdump 的原理：通过底层驱动，拦截网卡上流过的数据。
tcpdump ：

tcpdump 是 Linux 平台的抓包分析工具，Windows 版本是 WinDump。

使用手册：
https://www.tcpdump.org/manpages/tcpdump.1.html

不错的教程：
https://danielmiessler.com/study/tcpdump/

1.3：相关头部字段

2：VPN

VPN（Virtual Private Network），虚拟私人网络。它可以在公共网络上建立专用网络，进行加密通讯。

2.1：作用

提高上网的安全性
保护公司内部资料
隐藏上网者的身份
突破网站的地域限制（有些网站针对不同地区的用户展示不同的内容）
突破网络封锁

2.2：VPN 与代理的区别

软件
- VPN 一般需要安装 VPN 客户端软件
- 代理不需要安装额外的软件
安全性
- VPN 默认会对数据进行加密
- 代理默认不会对数据进行加密（数据最终是否加密取决于使用的协议本身）
费用
- 一般情况下，VPN 比代理贵

2.3：实现原理

VPN 的实现原理：使用了隧道协议（Tunneling Protocol）

常见的 VPN 隧道协议有：

PPTP（Point to Point Tunneling Protocol）：点对点隧道协议
L2TP（Layer Two Tunneling Protocol）：第二层隧道协议
IPsec（Internet Protocol Security）：互联网安全协议
SSL VPN（如 OpenVPN）

3：CDN

CDN（Content Delivery Network 或 Content Distribution Network），内容分发网络。

利用最靠近每位用户的服务器
更快更可靠地将音乐、图片、视频等资源文件（一般是静态资源）传递给用户

CDN 运营商在全国、乃至全球的各个大枢纽城市都建立了机房，部署了大量拥有高存储高带宽的节点，构建了一个跨运营商、跨地域的专用网络。

内容所有者向 CDN 运营商支付费用，CDN 将其内容交付给最终用户。

使用 CDN 前后对比：

使用 CDN 前：

使用 CDN 后：

4：网络爬虫

网络爬虫（Web Crawler），也叫做网络蜘蛛（Web Spider）。模拟人类使用浏览器操作页面的行为，对页面进行相关的操作。

常用爬虫工具：Python 的 Scrapy 框架。

搜索引擎 ：

4.1：简易实例

可以使用 Java 的一个小框架 Jsoup 爬一些简单的数据。

jar 包（jsoup、commons-io）：
https://jsoup.org/packages/jsoup-1.13.1.jar
https://mirror.bit.edu.cn/apache//commons/io/binaries/commons-io-2.8.0-bin.zip

爬取目标：https://ext.se.360.cn/webstore/categor

java 复制代码

import org.apache.commons.io.FileUtils;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
import java.net.URL;

public class Main {
    public static void main(String[] args) throws Exception {
        // 请求网站：https://ext.se.360.cn/webstore/category
        // Jsoup使用CSS选择器来查找元素
        String dir = "F:/T/"; // 爬取后的存放路径
        String url = "https://ext.se.360.cn/webstore/category";
        Document doc = Jsoup.connect(url).get();
        Elements eles = doc.select(".applist .appwrap");
        for (Element ele : eles) {
            String img = ele.selectFirst("img").attr("src");
            String title = ele.selectFirst("h3").text();
            String intro = ele.selectFirst(".intro").text();

            // 下载图片
            String filepath = dir + (title + ".png");
            FileUtils.copyURLToFile(new URL(img), new File(filepath));
        }
    }
}

4.2：robots.txt

robots.txt 是存放于网站根目录下的文本文件，用来告诉爬虫，哪些内容是不应被爬取的，哪些是可以被爬取的。

比如：https://www.baidu.com/robots.txt

因为一些系统中的 URL 是大小写敏感的，所以 robots.txt 的文件名应统一为小写。

robots.txt 并不是一个规范，而只是约定俗成的，所以并不能保证网站的隐私。

只能防君子，不能防小人。

无法阻止 "不讲武德" 的爬虫爬取隐私信息。

一般格式：

5：无线网络

无线 AP（Access Point）：无线接入点。

6：缓存

缓存（Cache）。

通常会缓存的情况是：GET 请求 + 静态资源（比如 HTML、CSS、JS、图片等）。

Ctrl + F5：强制刷新缓存。

实际上，HTTP 的缓存机制远比上图的流程要复杂。

6.1：响应头

Pragma：作用类似于 Cache-Control，HTTP/1.0 的产物
Expires：缓存的过期时间（GMT 格式时间），HTTP/1.0 的产物

GMT 时间：例如 date: Sat, 19 May 2018 17:17:24 GMT

Cache-Control ：设置缓存策略
- no-storage：不缓存数据到本地
- public：允许用户、代理服务器缓存数据到本地
- private：只允许用户缓存数据到本地
- max-age：缓存的有效时间（多长时间不过期），单位秒
- no-cache：每次需要发请求给服务器询问缓存是否有变化，再来决定如何使用缓存

优先级：Pragma > Cache-Control > Expires。

Last-Modified：资源的最后一次修改时间
ETag：资源的唯一标识（根据文件内容计算出来的摘要值）

优先级：ETag > Last-Modifie
Last-Modified vs ETag

Last-Modified 的缺陷

只能精确到秒级别，如果资源在 1 秒内被修改了，客户端将无法获取最新的资源数据

如果某些资源被修改了（最后一次修改时间发生了变化），但是内容并没有任何变化，则会导致相同数据重复传输，没有使用到缓存

ETag

只要资源的内容没有变化，就不会重复传输资源数据

只要资源的内容发生了变化，就会返回最新的资源数据给客户端

6.2：请求头

If-None-Match
- 如果上一次的响应头中有 ETag，就会将 ETag 的值作为请求头的值
- 服务器发现资源的最新摘要值跟 If-None-Match 不匹配，就会返回新的资源（200 OK）
- 否则，就不会返回资源的具体数据（304 Not Modified）
If-Modified-Since
- 如果上一次的响应头中没有 ETag，有 Last-Modified，就会将 Last-Modified 的值作为请求头的值
- 如果服务器发现资源的最后一次修改时间晚于 If-Modified-Since，就会返回新的资源（200 OK）
- 否则，就不会返回资源的具体数据（304 Not Modified）

6.3：缓存的使用流程

会话（Session）跟踪是 Web 程序中常用的技术，用来跟踪用户的整个会话。

常用的会话跟踪技术有 Cookie、Session。

Cookie 通过在客户端记录信息确定用户身份
Session 通过在服务器端记录信息确定用户身份

除此以外类似的概念还有 Token、JWT 等。

Cookie：

数据存储在浏览器客户端
数据有大小和数量的限制
适合存储一些小型、不敏感的数据
默认情况下，关闭浏览器后就会销毁

Session：

数据存储在服务器端
数据没有大小和数量的限制
可以存储大型、敏感的数据（比如用户信息）
默认情况下，未使用 30 分钟后就会销毁

8：RESTful

REST 的全称是：REpresentational State Transfer，表现层状态转移。

REST 是一种互联网软件架构的设计风格：

定义了一组用于创建 Web 服务的约束
符合 REST 架构的 Web 服务，称为 RESTful Web 服务

8.1：实践建议

URL 中使用名词（建议用复数形式），不使用动词 。

推荐：/users、/users/6

不推荐：listsers，/getser?id=6，/uer/list，/user/get?id=6
使用 HTTP 的请求方法表达动作。

一个资源连接到其他资源，使用子资源的形式 。

GET /users/6/cars/8

POST /users/8/cars
API 版本化 。

mj.com/v1/users

mj.com/v2/users/66
返回 JSON 格式的数据。
发生错误时，不要返回 200 状态码。
...

今人不见古时月，今月曾经照古人。

------《把酒问月 · 故人贾淳令予问之》（唐）李白