> 本文为掘金社区首发签约文章，14天内禁止转载，14天后未获授权禁止转载，侵权必究！
平时我们打开网页，比如购物网站某宝。都是点一下**列表商品**，跳转一下网页就到了**商品详情**。从HTTP协议的角度来看，就是点一下网页上的某个按钮，**前端发一次HTTP请求，网站返回一次HTTP响应**。这种由客户端主动请求，服务器响应的方式也满足大部分网页的功能场景。但有没有发现，这种情况下，服务器从来就不会**主动**给客户端发一次消息。就像你喜欢的女生从来不会主动找你一样。
但如果现在，你在刷网页的时候**右下角**突然弹出一个**小广告**，提示你【**一个人在家偷偷才能玩哦**】。 **求知，好学，勤奋**，这些刻在你DNA里的东西都动起来了。你点开后发现。长相平平无奇的古某提示你"道士9条狗，全服横着走"。影帝某辉老师跟你说"系兄弟就来砍我"。 ![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/f2364f9f6e32497ba0b2be616564a752~tplv-k3u1fbpfcp-zoom-1.image) 来都来了，你就选了个角色进到了游戏界面里。 ![创建角色页面](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/f32e513d3d9c401c89aba824996b6e4d~tplv-k3u1fbpfcp-zoom-1.image) 这时候，上来就是一个小怪，从远处走来，然后疯狂拿木棒子抽你。 **你全程没点任何一次鼠标**。服务器就自动将怪物的移动数据和攻击数据源源不断发给你了。这....太暖心了。感动之余，问题就来了，像这种**看起来服务器主动发消息给客户端的场景**，是怎么做到的？在真正回答这个问题之前，我们先来聊下一些相关的知识背景。
### 使用HTTP不断轮询其实问题的痛点在于，**怎么样才能在用户不做任何操作的情况下，网页能收到消息并发生变更。** 最常见的解决方案是，**网页的前端代码里不断定时发HTTP请求到服务器，服务器收到请求后给客户端响应消息。** 这其实时一种**伪**服务器推的形式。它其实并不是服务器主动发消息到客户端，而是客户端自己不断偷偷请求服务器，只是用户无感知而已。用这种方式的场景也有很多，最常见的就是**扫码登录**。比如某信公众号平台，登录页面二维码出现之后，**前端**网页根本不知道用户扫没扫，于是不断去向**后端**服务器询问，看有没有人扫过这个码。而且是以大概1到2秒的间隔去不断发出请求，这样可以保证用户在扫码后能在1到2s内得到及时的反馈，不至于**等太久**。 ![使用HTTP定时轮询](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/36e68b2e16484b20aa66db0a784c53c5~tplv-k3u1fbpfcp-zoom-1.image) 但这样，会有两个比较明显的问题 - 当你打开F12页面时，你会发现满屏的HTTP请求。虽然很小，但这其实也消耗带宽，同时也会增加下游服务器的负担。 - 最坏情况下，用户在扫码后，需要等个1~2s，正好才触发下一次http请求，然后才跳转页面，用户会感到**明显的卡顿**。使用起来的体验就是，二维码出现后，手机扫一扫，然后在手机上点个确认，这时候**卡顿等个1~2s**，页面才跳转。 ![不断轮询查看是否有扫码](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/cd40bb6410e44cdf961fe60b86617ff1~tplv-k3u1fbpfcp-zoom-1.image) 那么问题又来了，**有没有更好的解决方案？** 有，而且实现起来成本还非常低。
### 长轮询我们知道，HTTP请求发出后，一般会给服务器留一定的时间做响应，比如3s，规定时间内没返回，就认为是超时。如果我们的HTTP请求**将超时设置的很大**，比如30s，**在这30s内只要服务器收到了扫码请求，就立马返回给客户端网页。如果超时，那就立马发起下一次请求。** 这样就减少了HTTP请求的个数，并且由于大部分情况下，用户都会在某个30s的区间内做扫码操作，所以响应也是及时的。 ![长轮询](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/376a95f1a8bc4ea7b1d926b7e4601476~tplv-k3u1fbpfcp-zoom-1.image) 比如，某度云网盘就是这么干的。所以你会发现一扫码，手机上点个确认，电脑端网页就**秒跳转**，体验很好。 ![长轮询的方式来替代](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/fff8798f55b6462289d6545a5b6aa24d~tplv-k3u1fbpfcp-zoom-1.image) 真一举两得。像这种发起一个请求，在较长时间内等待服务器响应的机制，就是所谓的**长训轮机制**。我们常用的消息队列RocketMQ中，消费者去取数据时，也用到了这种方式。 ![RocketMQ的消费者通过长轮询获取数据](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/709bd609a68c41bcbeea1cec39732de5~tplv-k3u1fbpfcp-zoom-1.image) 像这种，在用户不感知的情况下，服务器将数据推送给浏览器的技术，就是所谓的**服务器推送**技术，它还有个毫不沾边的英文名，**comet**技术，大家听过就好。
上面提到的两种解决方案，本质上，其实还是客户端主动去取数据。对于像扫码登录这样的**简单场景**还能用用。但如果是网页游戏呢，游戏一般会有大量的数据需要从服务器主动推送到客户端。这就得说下**websocket**了。
### websocket是什么我们知道TCP连接的两端，**同一时间里**，**双方**都可以**主动**向对方发送数据。这就是所谓的**全双工**。而现在使用最广泛的`HTTP1.1`，也是基于TCP协议的，**同一时间里**，客户端和服务器**只能有一方主动**发数据，这就是所谓的**半双工**。也就是说，好好的全双工TCP，被HTTP用成了半双工。为什么？这是由于HTTP协议设计之初，考虑的是看看网页文本的场景，能做到**客户端发起请求再由服务器响应**，就够了，根本就没考虑网页游戏这种，客户端和服务器之间都要互相主动发大量数据的场景。所以为了更好的支持这样的场景，我们需要另外一个**基于TCP的新协议**。于是新的应用层协议**websocket**就被设计出来了。大家别被这个名字给带偏了。虽然名字带了个socket，但其实socket和websocket之间，就跟雷峰和雷峰塔一样，二者接近**毫无关系**。 ![websocket在四层网络协议中的位置](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/52ac01da172d491fa156dbdcea82d94d~tplv-k3u1fbpfcp-zoom-1.image)
### 怎么建立websocket连接我们平时刷网页，一般都是在浏览器上刷的，一会刷刷图文，这时候用的是**HTTP协议**，一会打开网页游戏，这时候就得切换成我们新介绍的**websocket协议**。为了兼容这些使用场景。浏览器在**TCP三次握手**建立连接之后，都**统一使用HTTP协议**先进行一次通信。 - 如果此时是**普通的HTTP请求**，那后续双方就还是老样子继续用普通HTTP协议进行交互，这点没啥疑问。 - 如果这时候是**想建立websocket连接**，就会在HTTP请求里带上一些**特殊的header头**。 ```she Connection: Upgrade Upgrade: websocket Sec-WebSocket-Key: T2a6wZlAwhgQNqruZ2YUyg==\r\n ``` 这些header头的意思是，浏览器想**升级协议（Connection: Upgrade）**，并且**想升级成websocket协议（Upgrade: websocket）**。同时带上一段**随机生成的base64码（Sec-WebSocket-Key）**，发给服务器。如果服务器正好支持升级成websocket协议。就会走websocket握手流程，同时根据客户端生成的base64码，用某个**公开的**算法变成另一段字符串，放在HTTP响应的 `Sec-WebSocket-Accept` 头里，同时带上`101状态码`，发回给浏览器。 ```she HTTP/1.1 101 Switching Protocols\r\n Sec-WebSocket-Accept: iBJKv/ALIW2DobfoA4dmr3JHBCY=\r\n Upgrade: websocket\r\n Connection: Upgrade\r\n ``` > http状态码=200（正常响应）的情况，大家见得多了。101确实不常见，它其实是指**协议切换**。 ![base64转为新的字符串](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/84c81e0ebb764ce2b6e210ebc3d08098~tplv-k3u1fbpfcp-zoom-1.image) 之后，浏览器也用同样的**公开算法**将`base64码`转成另一段字符串，如果这段字符串跟服务器传回来的**字符串一致**，那验证通过。 ![对比客户端和服务端生成的字符串](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/b4883177655e4fa4a908fe5cae2b51a1~tplv-k3u1fbpfcp-zoom-1.image) 就这样经历了一来一回两次HTTP握手，websocket就建立完成了，后续双方就可以使用webscoket的数据格式进行通信了。 ![建立websocket连接.drawio](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/90cf4e27558d4373b8f9ef678b696eb9~tplv-k3u1fbpfcp-zoom-1.image)
### websocket抓包我们可以用wireshark抓个包，实际看下数据包的情况。 ![客户端请求升级为websocket](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/ba20a0aebf7d4cf1851a9b06b992492e~tplv-k3u1fbpfcp-zoom-1.image) 上面这张图，注意画了红框的第`2445`行报文，是websocket的**第一次握手**，意思是发起了一次带有`特殊Header`的HTTP请求。 ![服务器同意升级为websocket协议](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/7b7137b5ed864d0d8fa64ec1b2dabae9~tplv-k3u1fbpfcp-zoom-1.image) 上面这个图里画了红框的`4714`行报文，就是服务器在得到第一次握手后，响应的**第二次握手**，可以看到这也是个HTTP类型的报文，返回的状态码是101。同时可以看到返回的报文header中也带有各种`websocket`相关的信息，比如`Sec-WebSocket-Accept`。 ![两次HTTP请求之后正式使用websocket通信](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/e87e1d4665554e1392ed71c5295397b4~tplv-k3u1fbpfcp-zoom-1.image) 上面这张图就是全貌了，从截图上的注释可以看出，websocket和HTTP一样都是基于TCP的协议。经历了三次TCP握手之后，利用HTTP协议升级为websocket协议。你在网上可能会看到一种说法："websocket是基于HTTP的新协议"，**其实这并不对**，因为websocket只有在建立连接时才用到了HTTP，**升级完成之后就跟HTTP没有任何关系了**。这就好像你喜欢的女生通过你要到了你大学室友的微信，然后他们自己就聊起来了。你能说这个女生是通过你去跟你室友沟通的吗？不能。你跟HTTP一样，都只是个**工具人**。 ![1663378093150](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/21da9c43539b4477ba848279cf98ce58~tplv-k3u1fbpfcp-zoom-1.image) 这就有点"**借壳生蛋**"的那意思。 ![HTTP和websocket的关系](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/b41a763491364b08b2eee73ca3a32dee~tplv-k3u1fbpfcp-zoom-1.image)
### websocket的消息格式上面提到在完成协议升级之后，两端就会用webscoket的数据格式进行通信。数据包在websocket中被叫做**帧**。我们来看下它的数据格式长什么样子。 ![websocket报文格式](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/ad3688a03a114bccbc75cb01ae9f7e6e~tplv-k3u1fbpfcp-zoom-1.image) 这里面字段很多，但我们只需要关注下面这几个。 **opcode字段**：这个是用来标志这是个**什么类型**的数据帧。比如。 - 等于1时是指text类型（`string`）的数据包 - 等于2是二进制数据类型（`[]byte`）的数据包 - 等于8是关闭连接的信号 **payload字段**：存放的是我们**真正想要传输的数据的长度**，单位是**字节**。比如你要发送的数据是`字符串"111"`，那它的长度就是`3`。 ![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/4b6d73fd38744339af7e02760f16778a~tplv-k3u1fbpfcp-zoom-1.image) 另外，可以看到，我们存放**payload长度的字段有好几个**，我们既可以用最前面的`7bit`, 也可以用后面的`7+16bit或7+64bit。` 那么问题就来了。我们知道，在数据层面，大家都是01二进制流。我怎么知道**什么情况下应该读7bit，什么情况下应该读7+16bit呢？** websocket会用最开始的7bit做标志位。不管接下来的数据有多大，都**先读最先的7个bit**，根据它的取值决定还要不要再读个16bit或64bit。 - 如果`最开始的7bit`的值是 0~125，那么它就表示了 **payload 全部长度**，只读最开始的`7个bit`就完事了。 ![payload长度在0到125之间](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/1e14f31cd1704fecb88acf6bd831613a~tplv-k3u1fbpfcp-zoom-1.image) - 如果是`126（0x7E）`。那它表示payload的长度范围在 `126~65535` 之间，接下来还需要**再读16bit**。这16bit会包含payload的真实长度。 ![payload长度在126到65535之间](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/eafa87a921e446e8a97350ed3ad16bf2~tplv-k3u1fbpfcp-zoom-1.image) - 如果是`127（0x7F）`。那它表示payload的长度范围`>=65536`，接下来还需要**再读64bit**。这64bit会包含payload的长度。这能放2的64次方byte的数据，换算一下好多个TB，肯定够用了。 ![payload长度大于等于65536的情况](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/a17a8405a4e34d5fa4fffd42266ea220~tplv-k3u1fbpfcp-zoom-1.image) **payload data字段**：这里存放的就是真正要传输的数据，在知道了上面的payload长度后，就可以根据这个值去截取对应的数据。大家有没有发现一个小细节，websocket的数据格式也是 **数据头（内含payload长度） + payload data** 的形式。 ![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/4341a6fea2b14aea8dcdbe00d0103ff6~tplv-k3u1fbpfcp-zoom-1.image) 之前写的[《既然有HTTP协议，为什么还要有RPC》](https://juejin.cn/post/7121882245605883934)提到过，TCP协议本身就是全双工，但直接使用**纯裸TCP**去传输数据，会有**粘包**的"问题"。为了解决这个问题，上层协议一般会用**消息头+消息体**的格式去重新包装要发的数据。而**消息头**里一般含有**消息体的长度**，通过这个长度可以去截取真正的消息体。 HTTP协议和大部分RPC协议，以及我们今天介绍的websocket协议，都是这样设计的。 ![消息边界长度标志](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/5da32fca58e24daf88a0b66e55094a7f~tplv-k3u1fbpfcp-zoom-1.image)
### websocket的使用场景 websocket完美继承了TCP协议的**全双工**能力，并且还贴心的提供了解决粘包的方案。它适用于**需要服务器和客户端（浏览器）频繁交互**的大部分场景。比如网页/小程序游戏，网页聊天室，以及一些类似飞书这样的网页协同办公软件。回到文章开头的问题，在使用websocket协议的网页游戏里，怪物移动以及攻击玩家的行为是**服务器逻辑**产生的，对玩家产生的伤害等数据，都需要由**服务器主动发送给客户端**，客户端获得数据后展示对应的效果。 ![websocket的使用场景](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/62b867f4a28140c78de0611a4d11291c~tplv-k3u1fbpfcp-zoom-1.image)
### 总结 - TCP协议本身是**全双工**的，但我们最常用的HTTP1.1，虽然是基于TCP的协议，但它是**半双工**的，对于大部分需要服务器主动推送数据到客户端的场景，都不太友好，因此我们需要使用支持全双工的websocket协议。 - 在HTTP1.1里。只要客户端不问，服务端就不答。基于这样的特点，对于登录页面这样的简单场景，可以使用**定时轮询或者长轮询**的方式实现**服务器推送**(comet)的效果。 - 对于客户端和服务端之间需要频繁交互的复杂场景，比如网页游戏，都可以考虑使用websocket协议。 - websocket和socket几乎没有任何关系，只是叫法相似。 - 正因为各个浏览器都支持HTTP协议，所以websocket会先利用HTTP协议加上一些特殊的header头进行握手升级操作，升级成功后就跟HTTP没有任何关系了，之后就用websocket的数据格式进行收发数据。 ---
### 最后最近原创更文的阅读量稳步下跌，思前想后，夜里辗转反侧。我有个不成熟的请求。

**离开广东好长时间了，好久没人叫我靓仔了。** 大家可以在**评论区**里，叫我一靓仔吗？我这么善良质朴的愿望，能被满足吗？如果实在叫不出口的话，能帮我**点下关注**和右下角的**点赞+收藏**吗？
###### 别说了，一起在知识的海洋里呛水吧