【通信协议】WebSocket协议

type

status

date

slug

summary

为什么需要websocket

初次接触 WebSocket 的人，都会问同样的问题：我们已经有了 HTTP 协议，为什么还需要另一个协议？它能带来什么好处？答案很简单，因为 HTTP 协议有一个缺陷：通信只能由客户端发起。HTTP 协议做不到服务器主动向客户端推送信息。

这种单向请求的特点，注定了如果服务器有连续的状态变化，客户端要获知就非常麻烦。我们只能使用"轮询"：每隔一段时候，就发出一个询问，了解服务器有没有新的信息。最典型的场景就是聊天室。

轮询的效率低，非常浪费资源（因为必须不停连接，或者 HTTP 连接始终打开）。因此，工程师们一直在思考，有没有更好的方法。WebSocket 就是这样发明的。

websocket协议的通信

websocket协议的通信分为3个部分：

打开通道阶段握手

数据传输

关闭通道阶段握手

打开通道阶段握手

WebSocket协议首先借助于HTTP协议建立通道。然后在此基础上用真正的WebSocket协议进行通信。

具体请求数据的实例：

其中重要的几个字段如下：

Origin 表明请求来自于哪个站点；

Host 表明目标主机；

Sec-WebSocket-Version 表明协议版本，要求双端版本一致。当前 WebSocket 协议版本默认为 13

Connection和Upgrade字段告诉服务器，客户端发起的是WebSocket协议请求。

Sec-WebSocket-Extensions表示客户端想要表达的协议级的扩展。

Sec-WebSocket-Key是一个Base64编码值，由浏览器随机生成，用于防止攻击者恶意欺骗服务端。

Sec-WebSocket-Accept 则是经过服务器确认，并且加密过后的 Sec-WebSocket-Key。

Sec-WebSocket-Version表明客户端所使用的协议版本。

Sec-WebSocket-Accept 表示服务器接受了客户端的请求

http请求完成后响应的状态码为101，表示切换了协议，说明WebSocket协议通过http协议来建立运输层的TCP连接，之后便与http协议无关了。

发送和接收数据

WebSocket 双端传输的是一个个数据帧。格式如下：

FIN。

占 1 bit，值对应的含义如下：

0：不是消息的最后一个分片；
1：是消息的最后一个分片；

RSV1 RSV2 RSV3

均占 1 bit，一般情况下值为 0。当客户端、服务端协商采用 WebSocket 扩展时，这三个标志位可以非 0，且值的含义由扩展进行定义。如果出现非零的值，但并没有采用 WebSocket 扩展，则连接出错。

Opcode

占 4 bit，其值可以是 %x0、%x1、%x2、%x3~7、%x8、%x9、%xA 和 %xB~F 中的任何一个。值对应的含义如下：

%x0：表示一个延续帧。当 Opcode 为 0 时，表示本次数据传输采用了数据分片，当前收到的数据帧为其中一个数据分片；
%x1：表示这是一个文本帧（text frame）；
%x2：表示这是一个二进制帧（binary frame）；
%x3-7：保留的操作代码，用于后续定义的非控制帧；
%x8：表示连接断开，是一个控制帧(close)；
%x9：表示这是一个心跳请求（ping）；
%xA：表示这是一个心跳响应（pong）；
%xB-F：保留的操作代码，用于后续定义的控制帧；

Mask

占 1 bit，其值为 0 或 1。值 0 表示要对数据进行掩码异或操作，反之亦然。

Payload length

占 7 bit 或 7+16 bit 或 7+64 bit，表示数据的长度，其值可以是0~127 中的任何一个数。值对应的含义如下：

0~125：数据的长度等于该值；
126：后续 2 个字节代表一个 16 位的无符号整数，该无符号整数的值为数据的长度；
127：后续 8 个字节代表一个 64 位的无符号整数（最高位为 0），该无符号整数的值为数据的长度。

掩码

掩码的作用并不是为了防止数据泄密，而是为了防止早期版本的协议中存在的代理缓存污染攻击（proxy cache poisoning attacks）问题。这里要注意的是从客户端向服务端发送数据时，需要对数据进行掩码操作；从服务端向客户端发送数据时，不需要对数据进行掩码操作。

所有客户端发送到服务端的数据帧，Mask都是1。如果服务端接收到的数据没有进行过掩码操作，服务端需要断开连接。

如果Mask是1，那么在Masking-key中会定义一个掩码键（masking key），并用这个掩码键来对数据载荷进行反掩码。

掩码算法：按位做循环异或运算，先对该位的索引取模来获得 Masking-key 中对应的值 x，然后对该位与 x 做异或，从而得到真实的 byte 数据。

掩码键是由客户端随机选择的32位值。

Masking-key

0 or 4 bytes。客户端发送到服务器的所有帧通过一个包含在帧中的32位值来掩码。如果mask位设置为1，则该字段存在，如果mask位设置为0，则该字段缺失。

Payload Data

双端接收到数据帧之后，可以根据上述几个数据帧组件的值对 Payload Data 进行处理或直接提取数据。

在双端建立 WebSocket 连接后，任何一端都可以给另一端发送消息，这里的消息指的就是数据帧。但平时我们输入或输出的信息都是“明文”，所以在消息发送前需要将“明文”通过一定的方法转换成数据帧。而在接收端，拿到数据帧后需要按照一定的规则将数据帧转换为”明文“。下图描述了双端收发 Hello, world 的主要流程：

关闭通道阶段握手

服务端会定期给所有的客户端发送一个 opcode 为 %x9 的数据帧，这个数据帧被称为 Ping 帧。客户端在收到 Ping 帧时，必须回复一个 opcode 为 %xA 的数据帧（又称为 Pong 帧），否则服务端就可以主动断开连接。反之，如果服务端在发送 Ping 帧后能够得到客户端 Pong 帧的回应，就代表这个客户端是活跃的，不要断开连接。

如果需要关闭连接，那么一端向另一端发送 opcode 为 %x8 的数据帧即可，这个数据帧被称为关闭帧。在收到这样一个帧时，另一个节点在响应中发送一个Close帧。

发送一个控制帧之后，表示连接将被关闭，一个节点不会发送任何更多的数据；

接收一个控制帧之后，表示连接将被关闭，一个节点会丢弃任何收到的数据；

总结

WebSocket 有几个关键点：握手、数据与数据帧的转换、保持连接的 Ping 帧和 Pong 帧、主动关闭连接的关闭帧。

websocket协议规范的中文翻译如下：

websocket-protocol

shiqinfeng1 • Updated Aug 12, 2019