《图解HTTP》--第5章-与HTTP协作的Web服务器

读《图解HTTP》：代理、网关、隧道与缓存到底是什么？

本文是阅读《图解HTTP》第 5 章后的学习整理，结合个人理解做了少量补充。文中的流程图和表格用于概括本章概念，不使用原书截图，也不替代原书内容。

---

这篇文章解决什么问题

我们平时访问一个网站时，直觉上会以为浏览器直接连到了目标服务器。实际情况往往更复杂：请求可能先经过代理服务器，也可能经过网关、隧道、缓存服务器，最后才到达真正保存资源的服务器。

这一章主要讨论的就是这些与 HTTP 协作的 Web 服务器组件：

• 一台服务器如何承载多个网站：虚拟主机
• HTTP 请求在中途可能遇到哪些角色：代理、网关、隧道
• 为什么缓存能减少访问源服务器的次数
• 缓存服务器和客户端缓存分别是什么

---

一台服务器为什么能放多个网站：虚拟主机

HTTP/1.1 允许一台 HTTP 服务器搭建多个 Web 站点。物理上可能只有一台服务器，但使用虚拟主机功能后，表面上可以像多台服务器一样，分别承载不同域名的网站。

问题在于：多个域名经过 DNS 解析后，可能指向同一个 IP 地址。当请求到达服务器时，服务器需要知道客户端到底想访问哪个域名下的网站。

这个判断依赖 HTTP 请求中的 Host 首部。

GET /index.html HTTP/1.1
Host: blog.example.com

可以把虚拟主机的访问过程理解成这样：
flowchart LR A"域名 A" --> C"DNS 解析到同一台服务器" B"域名 B" --> C C --> D"HTTP 请求携带 Host 首部" D --> E"服务器根据 Host 区分目标网站"

所以，虚拟主机的核心不是"一台机器真的变成了多台机器"，而是服务器根据请求里的 Host 首部，把同一个 IP 上的不同域名区分开。

---

HTTP 请求路上的中间角色

HTTP 通信时，除了客户端和服务器，还可能存在一些用于转发通信数据的应用程序。书中重点介绍了三类：代理、网关、隧道。

它们都可以把请求转发给通信线路上的下一站服务器，也可以接收下一站服务器返回的响应，再转发给客户端。

代理：替客户端转发请求

代理是一种有转发功能的应用程序，扮演客户端和服务器之间的"中间人"角色。

它的基本行为是：
flowchart LR A"客户端" -->|请求| B"代理服务器" B -->|不改变请求 URI，转发请求| C"源服务器" C -->|响应| B B -->|响应| A

持有资源实体的服务器被称为源服务器。代理从客户端接收请求后，会把请求转发给前方持有资源的目标服务器；源服务器返回的响应也会先经过代理，再传给客户端。

在 HTTP 通信中，可以级联多台代理服务器。每次通过代理转发请求或响应时，需要追加 Via 首部，用来标记经过的主机信息。
flowchart LR A"客户端" --> B"代理 proxy1" B --> C"代理 proxy2" C --> D"源服务器" D --> C C --> B B --> A

使用代理服务器的理由包括：

• 利用缓存减少网络带宽流量
• 在组织内部针对特定 URI 进行访问控制
• 获取访问日志

书中还按两个维度给代理分类：

分类维度	类型	含义
是否使用缓存	缓存代理	转发响应时预先保存资源副本，再次收到相同资源请求时可直接返回缓存
是否修改报文	透明代理	转发请求或响应时不对报文做任何加工
是否修改报文	非透明代理	转发请求或响应时会对报文内容进行加工

网关：让 HTTP 连接到非 HTTP 服务

网关和代理的工作机制很相似，也会转发其他服务器的通信数据。不同的是，网关能让通信线路上的服务器提供非 HTTP 协议服务。

对客户端来说，网关有时就像自己拥有资源的源服务器一样处理请求，客户端未必能察觉通信目标其实是网关。
flowchart LR A"客户端 HTTP 请求" --> B"网关" B -->|转换为非 HTTP 协议通信| C"非 HTTP 服务器/后端系统" C -->|处理结果| B B -->|HTTP 响应| A

书中举到的例子包括：

• 网关连接数据库，使用 SQL 语句查询数据
• Web 购物网站通过网关和信用卡结算系统联动

网关还能提高通信的安全性，例如在客户端与网关之间的通信线路上加密，以确保连接安全。

隧道：建立一条安全通信线路

隧道是在相隔较远的客户端和服务器之间进行中转，并保持双方通信连接的应用程序。

它的目的，是按要求建立一条与其他服务器的通信线路，并使用 SSL 等加密手段进行通信，确保客户端能与服务器安全通信。
flowchart LR A"客户端" --> B"隧道" B --> C"服务器" A <-. "通过隧道建立安全通信线路" .-> C

隧道本身不会解析 HTTP 请求，而是把请求保持原样中转给之后的服务器。通信双方断开连接时，隧道也会结束。

---

代理、网关、隧道的区别

这三个概念容易混在一起，可以用下面这张表快速区分：

概念	书中核心描述	典型作用
代理 Proxy	位于客户端和服务器之间，接收客户端请求并转发给源服务器，再把响应转发给客户端	缓存、访问控制、访问日志
网关 Gateway	转发其他服务器的通信数据，让服务器提供非 HTTP 协议服务	连接数据库、连接信用卡结算系统、提高通信安全性
隧道 Tunnel	在客户端和服务器之间中转并保持通信连接，本身不解析 HTTP 请求	使用 SSL 等加密手段建立安全通信线路

一句话记忆：

代理偏"转发"，网关偏"转换"，隧道偏"透明传输"。

---

缓存为什么能让 Web 更快

缓存是指代理服务器或客户端本地磁盘内保存的资源副本。

利用缓存，可以减少对源服务器的访问，从而节省通信流量和通信时间。缓存服务器属于代理服务器的一种，也就是缓存代理。

缓存服务器的基本工作方式可以概括为：
flowchart TD A"客户端请求资源" --> B{"缓存服务器内是否已有资源副本？"} B -- "没有缓存" --> C"向源服务器请求资源" C --> D"转发响应时复制资源并保存" D --> E"返回给客户端" B -- "已有缓存" --> F{"缓存是否仍然有效？"} F -- "有效" --> E F -- "需要确认或已失效" --> G"向源服务器确认有效性" G --> H"必要时重新获取新资源" H --> E

缓存的优势在于：如果某个资源已经被缓存，客户端就可以从缓存服务器获取资源，源服务器也不必反复处理相同请求。

但缓存并不是只要存在就一定能直接使用。书中强调，即使缓存服务器中有缓存，也可能因为客户端要求、缓存有效期、源服务器资源更新等因素，需要向源服务器确认资源的有效性。若判断缓存失效，缓存服务器会再次从源服务器获取新资源。

---

客户端也有缓存

缓存不仅可以存在于缓存服务器内，也可以存在于客户端浏览器中。

浏览器缓存如果有效，就不必再向服务器请求相同资源，可以直接从本地磁盘读取。和缓存服务器一样，当浏览器判断缓存过期后，也会向源服务器确认资源有效性；如果缓存已经失效，就会再次请求新资源。

---

补充理解：缓存相关首部要到后面一起看

第 5 章主要讲"缓存是什么、缓存服务器和客户端缓存怎么工作"。具体的缓存控制细节，会在 HTTP 首部相关内容里展开。

实际排查缓存问题时，常见会关注这些字段：

• Cache-Control
• Expires
• ETag
• Last-Modified
• Age

其中 no-cache 和 no-store 很容易混淆：no-cache 不是"完全不缓存"，而是"使用缓存前需要确认有效性"；真正不保存内容的是 no-store。

---

实践：用 curl 观察 Host、代理和缓存首部

下面是结合开发场景的补充实践，不是原书中的命令示例。

1. 通过 Host 首部模拟访问虚拟主机

curl -H "Host: www.example.com" http://192.168.1.100/
curl -H "Host: blog.example.com" http://192.168.1.100/

同一个 IP 地址可以因为 Host 不同而路由到不同站点。

2. 通过 HTTP 代理发送请求

curl -x http://proxy.example.com:8080 -v http://www.example.com/

如果链路中存在代理，可以重点观察是否出现 Via 等字段。

3. 查看缓存相关响应首部

curl -I https://www.example.com/ \
  | grep -i "cache-control\|expires\|etag\|last-modified\|age"

常见需要关注的字段包括：

• Cache-Control
• Expires
• ETag
• Last-Modified
• Age

---

实际开发中怎么用这些知识

下面这部分是结合开发场景的补充理解，不属于第 5 章原文逐条展开的内容。

配置反向代理时

需要关注：

• Host 是否正确传给后端
• 是否存在多层代理
• 是否需要通过代理层记录访问日志
• 是否存在缓存导致资源没有及时更新

排查缓存问题时

可以按这个顺序看：

1. 响应里有没有缓存相关首部
2. 浏览器或代理是否命中缓存
3. 缓存是否已经过期
4. 是否向源服务器确认过资源有效性
5. 源服务器是否返回了新资源

---

小结

第 5 章虽然篇幅不长，但它把 HTTP 从"客户端和服务器的两点通信"扩展到了更真实的 Web 通信链路里。

可以这样记：

• 虚拟主机 ：一台服务器承载多个站点，核心靠 Host 区分
• 代理：位于客户端和源服务器之间，负责转发请求和响应
• 网关：让 HTTP 通信连接到非 HTTP 服务，也可提高通信安全性
• 隧道：建立安全通信线路，本身不解析 HTTP 请求
• 缓存：保存资源副本，减少源服务器访问和通信时间

理解这些概念后，再看 Web 服务器、代理缓存、浏览器缓存和网关类系统，就能更清楚它们在 HTTP 通信链路里到底扮演什么角色。

---

不过，到这里我们其实还留下了一个更细的问题：代理为什么知道自己要追加 Via？缓存为什么知道资源什么时候过期？浏览器和服务器又是靠什么传递这些控制信息的？

答案都藏在 HTTP 报文的"标签"里，也就是下一篇要看的重点：HTTP 首部。如果说前面几章是在看 HTTP 怎么跑起来，那下一篇就要开始拆它身上贴满的说明书了。