WebSocket协议概述

网络

Web 应用采用 HTTP 协议进行通信：客户端向服务器发送 HTTP 请求，服务器对请求进行处理后，向客户端回复 HTTP 响应。换句话讲，HTTP 协议只能客户端主动发起请求，服务器被动进行响应。

不少应用场景要求服务主动向客户端进行推送，这时 HTTP 协议就有点捉襟见肘了。举个例子，为实现 Web 聊天室功能，当新消息到达时，服务器必须向客户端推送通知。只用 HTTP 协议来实现，我们必须在客户端做轮询。

轮询有个致命的缺陷——性能比较差：如果轮询频率很高，服务器要消耗很多资源；但如果控制轮询频率，应用消息通知的实时性又大打折扣。

很显然，服务器主动向客户端推送数据，也是一个非常常见的应用场景，最好能从网络协议层面进行支持。为此，计算机网络先驱们设计了 WebSocket 协议。

WebSocket 协议，顾名思义为 Web 应用引入了 套接字（ socket ）通信能力。Websocket 是一种应用层协议，以 TCP 为底层传输协议，为通信双方提供了一个 全双工 的信道。

为了兼容 Web 主流应用协议 HTTP ，WeSocket 复用 80 和 443 端口，并使用 HTTP 请求来建立连接（配合 Upgrade 头部）。因此，WebSocket 可以兼容现有的 HTTP代理 和中间件，例如 Nginx 。

URL

和 HTTP 协议一样，WebSocket 服务器地址也用 URL 表示，只是协议部分为 ws 或 wss 。例如：

1
2
3
4
5

# ws代表WebSocket协议，端口为80
ws://api.fasionchan.com/chat

# wss代表WebSocket安全协议，与https类似，端口为443
wss://api.fasionchan.com/chat

连接建立

客户端先通过 TCP 协议连到服务器，然后通过 TCP 连接向服务器发送 HTTP 请求。请注意，HTTP 请求头中要带 Upgrade 头部，告诉服务器将连接升级到 WebSocket 协议：

1
2
3
4
5
6
7
8

GET /chat HTTP/1.1
Host: localhost:8080
User-Agent: Go-http-client/1.1
Connection: Upgrade
Sec-WebSocket-Key: bLPIf/xpAnrtCKuifPKTUg==
Sec-WebSocket-Version: 13
Upgrade: websocket

服务器接到请求后，检查 Upgrade 头部，发现客户端想将连接协议升级到 WebSocket 。如果应用服务器支持 WebSocket ，它便回复 101 状态码，表示同意切换协议：

1
2
3
4
5

HTTP/1.1 101 Switching Protocols
Upgrade: websocket
Connection: Upgrade
Sec-WebSocket-Accept: lShvB7NL9TbGxezz+KUd5ee6jhA=

HTTP 请求和响应交互完毕后，通信双方就可以在 TCP 连接上互相发送 WebSocket 报文了。

数据帧

连接建好后，通信双方就可以用 WebSocket 协议来发送数据了。WebSocket 将数据组织成一系列帧（ frame ）来传输，一条应用层消息可以封装成一个或多个数据帧。数据帧报文结构如下所示：

  • 标志位 ，占 4 位，每个标识占一位；

    • FIN 标识表示这是一条消息的最后一帧；
    • RSV1 、RSV2 和 RSV3 预留给协议拓展用，本文不讨论；

  • 操作代码 （ opcode ），占 4 位，表示帧的类型，其中 0~7 表示非控制（ non-control ）帧，8~15 表示控制（ control ）帧（非控制帧用于承载应用数据，控制帧用于连接控制）；

    • 0 这是前面数据帧的续帧（一个消息封装成多个帧时）；

    • 1 表示这是一个文本帧；

    • 2 表示这是一个二进制（ binary ）帧；

    • 3~7 保留，未来可以分配给新的非控制（ non-control ）帧；

    • 8 表示这是一个连接关闭（ close ）帧；

    • 9 表示这是一个 ping 帧；

    • 10 表示这是一个 pong 帧；

    • 11~15 保留，未来可以分配给新的控制（ control ）帧；

  • MASK 位，表示 承载数据（ payload data ）是否做掩码处理，1 表示掩码处理，0 表示不做掩码处理（客户端发的帧必须做掩码处理，主要出于避免网络中间件混淆和安全上的考虑）；

  • 数据长度（ payload len ），占 7 位，用来表示数据负载的长度（以字节为单位）；

    • 该字段小于 126 时，该字段直接表示数据长度，其后的扩展字段为空（ 0 字节），可表示 0~125 字节的数据；
    • 当该字段等于 126 时，数据长度由其后的扩展字段表示，这是扩展字段为 2 字节，可表示长度为 126~65535 字节的数据；
    • 当该字段等于 127 时，数据长度由其后的扩展字段表示，这时扩展字段为 8 字节，可表示长度为 $2^{16}$ 到 $2^{64}-1$ 字节的数据；

  • 扩展数据长度（ extended payload len ），占用 0 、2 或 8 字节，由前一个字段决定；

  • 掩码Key（ masking key ），数据帧开启掩码处理时（ MASK=1 ）才有，占用 4 个字节，用于掩码计算；

  • 承载数据（ payload data ），即数据帧承载的应用层数据；

数据长度字段比较复杂，需要分三种情况讨论，分别举个例子帮助理解：

注意到，为了简化报文，我们假设 MASK=0 ，未启动掩码处理。

WebSocket 帧结构看似复杂，但无非还是先分成 头部 和 数据 两大部分，其中头部保存 数据类型（操作码）和 数据长度 ，而操作码又分成控制和非控制两种。

控制帧则继续分为 close 、ping 和 pong 三种：close 用于关闭连接；ping 和 pong 用于检测连接状态，检测方发 ping ，被检测方回复 pong 。这样当应用暂时没有数据要发送时，ping/pong 可让连接保持活跃。当连接断开时，也能及时检测到。

而非控制帧则分为 text 和 binary 两种，上层应用使用文本协议，则选 text ；使用二进制协议，则选 binary 。

总结

  1. WebSocket 兼容 HTTP 协议，借助 HTTP 请求建立连接；
  2. WebSocket 通信分为两个阶段：
    • 连接建立阶段：使用 HTTP 协议完成协议升级；
    • 数据通信阶段：使用 WebSocket 协议互发数据；
  3. WebSocket 通信报文为 帧 ，一个帧由 头部 和 数据 两部分组成；
  4. WebSocket 帧头部保存 操作码 和 数据长度 等字段；
  5. 根据操作码不同，WebSocket 帧可以分成 控制帧 和 非控制帧 两类；
  6. WebSocket 控制帧分为 close 、ping 和 pong 三种；
    • ping / pong 控制帧用于连接保活和状态检测；
    • close 控制帧用于关闭连接；
  7. WebSocket 非控制帧分为 文本帧 和 二进制帧 两种；

【小菜学网络】系列文章首发于公众号【小菜学编程】，敬请关注：

【小菜学网络】系列文章首发于公众号【小菜学编程】，敬请关注：

fasionchan 2021-02-04