【工作】Proxy Server的优化 - 检测目标网站URL变化

　　在工作中，我在组里负责一个Proxy（代理）的Module，这个Module是针对微软的Office 365的邮件门户OWA实现，工作起来后，用户访问Office 365 OWA，无需再输入Office 365的网址，只需输入我们Proxy的地址，然后我们会将请求转送到Office 365 OWA，达到用户访问的目的，并使用户的体验如同实际访问Office 365 OWA一样。

　　其实我们Proxy的原理是，使用Node.js构建一个http Server，拿到client端（实际是Browser）的请求后，再将请求转给Office 365，将Office 365的返回内容Response再送给Client端，这样实现Proxy的功能。

　　当然实际实现过程中还有很多细节的事情，包括cookie的处理，URL的转换等，这里不细讲。

　　

　　但在工作中开发并维护此Module时，我发现一个问题，那就是虽然我们是将请求转发，但还是有很多请求我们需要特殊处理，而且有很多复杂的请求需要研究去支持，因此做为Proxy我必须知道Office 365，即目标网站都有哪些请求的类型，其实就是哪些不同的URL，不同的URL其实Path不同。

　　

　　因此我做了一个优化，因为Proxy本质是一个Http Server，因此我将客户端发来的所有请求URL打印在Log中，这样我可以在Log中收集到所有的URL，同时将该URL发送出去后收到的结果（Response Status Code）也打印在一起，这样就能知道这个URL是否处理有问题，如果返回值200，则说明OK。

　　

　　于是打印在Log中后，得到如下的Log，

 /___/outlook.office365.com/, 302
 /owa/, 302
 /__/login/login.srf, 200
 /owa/prefetch.aspx, 200
 /___/r1.res.office365.com/owa/prem/16.801.12.1741001/scripts/preboot.js, 200
 /___/r1.res.office365.com/owa/prem/16.801.12.1741001/scripts/boot.worldwide.0.mouse.js, 200
 /___/outlook.office365.com/GetUserRealm.srf, 200
 /___/r1.res.office365.com/owa/prem/16.801.12.1741001/scripts/boot.worldwide.1.mouse.js, 200
 /owa/ev.owa2, 200
 /owa/ev.owa2, 200
 /___/outlook.office365.com/, 302
 /owa/ev.owa2, 200
 /owa/, 302
 /__/login/login.srf, 200
 /owa/ev.owa2, 200
 /owa/service.svc, 200
 /owa/prefetch.aspx, 200
 /___/r1.res.office365.com/owa/prem/16.807.12.1742334/scripts/preboot.js, 200
 /owa/service.svc, 200
 /___/r1.res.office365.com/owa/prem/16.807.12.1742334/scripts/boot.worldwide.0.mouse.js, 200
 /owa/ev.owa2, 200
 /owa/ev.owa2, 200
 /owa/service.svc, 200
 /owa/service.svc, 200
 /___/outlook.office365.com/GetUserRealm.srf, 200
 /___/r1.res.office365.com/owa/prem/16.807.12.1742334/scripts/boot.worldwide.1.mouse.js, 200
 /__/login/ppsecure/post.srf, 200
 /owa/, 302

　　每一行数据，前面是URL，后面是该请求收到的Response Status Code。

　　

　　同时我自己写了一个脚本来解析Log里的数据，因为数据是重复的，需要去重以及排序。

　　脚本如下：

 var lineReader = require('line-reader');
 var fs         = require('fs');

 var fileReadData  = "URLs.log";
 var fileWriteData = "result.txt";

 var ignoreNormalStatusCode = false;
 if (process.argv && process.argv[2]) {
     ignoreNormalStatusCode = process.argv[2];                  // development to be passed as param
 }

 console.log("ignoreNormalStatusCode: " + ignoreNormalStatusCode);

 // create data object
 var createDataObjectFromLine = function (str) {
     var data = str.split(",");

     var obj = {
         url: data[0].trim(),
         statusCode: data[1].trim(),
         number: 1
     };

     return obj;
 };

 // get the index in the array
 var indexOfObjInArray = function (array, obj) {
     var pos = -1;

     for (var i=0; i<array.length; i++) {
         var e = array[i];

         if (e.url === obj.url && e.statusCode === obj.statusCode) {
             pos = i;
             break;
         }
     }

     return pos;
 };

 // compare number to sort
 var compare_number = function (a, b) {
     return b.number - a.number;
 };

 // write the array's data to file
 var writeResultToFile = function (result, number) {
     var string = "";
     string += "Here is this URL scan result blow, \n";
     string += "Orignial URL number: " + number + "\n";
     string += "Unrepeat URL number: " + result.length + "\n";
     string += "------------------------------------------\n\n";
     string += "req url, this url's response status code (200 is ok), number statics\n";
     fs.appendFileSync(fileWriteData, string);

     for (var i=0; i<result.length; i++) {
         fs.appendFileSync(fileWriteData, result[i].url + ", " + result[i].statusCode + ", " + result[i].number + "\n");
     }
 };

 // create an array to save the urls
 var result = [];

 // count the orignial url number
 var number = 0;

 // main function
 lineReader.eachLine(fileReadData, function (line, last) {
     number++;

     // parse the data from every line
     var obj = createDataObjectFromLine(line);
     //console.log(obj);

     var pos = indexOfObjInArray(result, obj);
     if (pos != -1) {
         // this object already exists in result array
         result[pos].number++;
     }
     else {
         if (ignoreNormalStatusCode && obj.statusCode === '200') {
             // ...
         }
         else {
             // add this obj to result
             result.push(obj);
         }
     }

     if (last) {
         // sort the array by number
         result.sort(compare_number);

         // write the result to file
         writeResultToFile(result, number);

         // stop reading lines from the file
         return false;
     }
 });

　　这里使用了一个Node.js Module Line-reader，来从文件中一行行的读取数据。

　　这样运行之后就可以得到解析后的结果，

 Here is this URL scan result blow,
 Orignial URL number: 142
 Unrepeat URL number: 6
 ------------------------------------------

 req url, this url's response status code (200 is ok), number statics
 /owa/, 302, 10
 /___/outlook.office365.com/, 302, 5
 /owa/auth/15.1.225/themes/resources/segoeui-regular.ttf, 404, 3
 /owa/auth/15.1.225/themes/resources/segoeui-semilight.ttf, 404, 1
 /___/outlook.office365.com/favicon.ico, 302, 1
 /owa/auth/15.1.219/themes/resources/segoeui-semilight.ttf, 404, 1

　　当然以上结果是没有显示Status Code为200的URL，原因是这是Proxy处理正常的URL，暂时没必要统计与分析。

　　得到结果后，显而易见，有很多404的URL，我们的Proxy并没有正确的处理，需要进一步的分析，在代码中支持。由此完成此次对产品Module的优化。

　　

　　个人小感慨，工作中很多小事情，如果自己认为正确，就应坚持去做。小的优化，只要有意义，都会有大用处:-)

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　Kevin Song

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　   2015-7-22