TCP、消息分包和协议设计

TCP是一种流式协议

TCP是一种面向连接的、可靠的、基于字节流的传输层通信协议。

流式协议的特点是什么？就像流水连续不断那样，消息之间没有边界。例如send了3条消息（这里的“消息”是指应用层的一个完整的协议包），分别是100字节、50字节、80字节，recv时可能收到的是230字节，就是说一次recv收到了3条消息，需要应用逻辑自己对recv到的数据进行分析，得出完整的消息。能一次recv到多个消息，也可能一次recv到一个半消息或半个消息，都是有可能的，这就是流式协议的特点。有的文章讲的粘包也是这个概念。

消息分包

既然TCP是一种流式协议，需要应用层自己来分析出完整的消息，那有哪些方式来确定一个完整消息呢？这个就是应用层通讯协议设计的工作了。

先看看最常见的HTTP协议是如何来分包的。HTTP协议是一种文本协议（非二进制协议），用\r\n\r\n来分割消息头和消息体，HTTP请求的消息头中有Content-Length来告知消息体有多大，如果没有该字段就表示无消息体，GET请求大多是这样。HTTP响应的消息头中，或者有Content-Length，或者有Transfer-Encoding: chunked告知以chunk模式分析消息体。

HTTP请求信息由3部分组成：

1、请求方法（GET/POST）、URI、协议/版本

2、请求头(Request Header)

3、请求正文，请求正文和请求头要有空行。这个空行必须存在，说明结束请求头传输，开始传输正文请求。

HTTP请求

GET/HTTP/1.1

[请求头]

Accept:image/gif.image/jpeg,*/*

Accept-Language:zh-cn

Connection:Keep-Alive

Host:localhost

User-Agent:Mozila/4.0(compatible;MSIE5.;Window NT5.)

Accept-Encoding:gzip,deflate

[请求正文]

username=ring&password=

http响应格式

HTTP应答与HTTP请求相似，HTTP响应也由3个部分构成，分别是：

1、状态行

2、响应头(Response Header)

3、响应正文

HTTP响应1：Conetent-Length

HTTP/1.1 200 OK
SERVER: name
DATE: Fri, 22 Dec 2017 10:50:38 GMT
Content-Type: image/gif 
Content-Length: 43
Last-Modified: Mon, 1 Dec 2017 13:23:42 GMT
Connection: keep-alive
Expires: Fri, 22 Dec 2017 10:50:38 GMT
Cache-Control: max-age=0
Accept-Ranges: bytes

GIF89a二进制数据

HTTP响应2：Transfer-Encoding

HTTP/1.1 200 OK
DATE: Fri, 22 Dec 2017 10:55:50 GMT
Content-Type: text/html
Transfer-Encoding: chunked
Connection: keep-alive
Expires: Fri, 22 Dec 2017 10:55:50 GMT
Cache-Control: max-age=7200
Content-Encoding: gzip

91a
具体的数据
0

HTTP用\r\n\r\n来分割消息头和消息体，这种用特定字符/字符串来分割或分包的方式，还有不少协议用到。例如FTP/SMTP/POP3都是用\n来作为一个命令结束的标志。这种消息分包的方式，需要应用层去扫描已recv到的数据，性能上还不够高效，代码不严谨的还容易被攻击。在需要自定义协议的项目中，不少选择用二进制协议，解析高效，安全性更好些。

最简单的二进制协议分包方式是消息的头4个字节表示消息的总长度。这种方式还需要对最大消息长度做个限制，例如64K或1024K大小，避免超大数据包对接收方缓冲区的破坏。更进一步的，可以加入简单校验方法。例如消息头1个字节固定式0x2，消息的最后1个字节固定式0x3，消息总长度放在第2~5字节。这样收到完整消息后，如果头尾不是0x2和0x3，就直接异常处理。

协议设计

消息分包是协议设计的一个工作，协议设计的话题还不少，这里以HTTP协议为例，简要的说说里面设计的点，自己设计的协议也可以对照着有选择的使用，原理是共通的。

由消息头+消息体组成：空行分割HTTP head和body，HTTP头的每一行以\r\n结尾，空行就是\r\n\r\n
消息分包：如上所述，HTTP用Content-Length和Transfer-Encodeing来分包
消息压缩：请求中有Accept-Encoding字段，响应中用Content-Encoding字段表明压缩方式，一般采用gzip压缩
消息加密：https (SSL: Secure Socket Layer)
消息ID：URL就是消息ID
响应的状态码：第一个数字定义了响应的类别。
1xx：指示信息--表示请求已接收，继续处理
2xx：成功--表示请求已被成功接收、理解、接受
3xx：重定向--要完成请求必须进行更进一步的操作
4xx：客户端错误--请求有语法错误或请求无法实现
5xx：服务器端错误--服务器未能实现合法的请求
协议版本号： HTTP/1.1中的1.1就是HTTP 1.1版本
长连接：请求中Connection: keep-alive表示希望服务器保持连接，减少TCP连接的开销
字符集： Content-Type字段表明了字符集，例如: Content-Type: text/html; charset=gb2312
字符转义：URL中的参数需要做URL转义处理，例如http://xx.com/do?name=t%2F%3F%23%3Daa表示name为t/?#=aa

在我们自己设计协议时，可以有选择的使用，如果消息比较大，可以采用支持压缩；如果要兼容多个版本的协议，那版本号必不可少。如果采用二进制协议，字符集和字符穿衣的用处不大。