平時我們打開網頁，比如購物網站某寶。都是點一下「列表商品」，跳轉一下網頁就到了「商品詳情」。

從 HTTP 協議的角度來看，就是點一下網頁上的某個按鈕，前端發一次 HTTP請 求，網站返回一次 HTTP 響應。這種由客戶端主動請求，服務器響應的方式也滿足大部分網頁的功能場景。

但有沒有發現，這種情況下，服務器從來就「不會主動」給客戶端發一次消息。就像你喜歡的女生從來不會主動找你一樣。

但如果現在，你在刷網頁的時候「右下角」突然彈出一個小廣告，提示你【一個人在家偷偷才能玩哦】。

求知，好學，勤奮，這些刻在你 DNA 里的東西都動起來了。

你點開后發現。

長相平平無奇的古某提示你"道士 9 條狗，全服橫著走"。

影帝某輝老師跟你說"系兄弟就來砍我"。

來都來了，你就選了個角色進到了游戲界面里。

這時候，上來就是一個小怪，從遠處走來，然后瘋狂拿木棒子抽你。

你全程沒點任何一次鼠標。服務器就自動將怪物的移動數據和攻擊數據源源不斷發給你了。

這….太暖心了。

感動之余，問題就來了，

像這種看起來服務器主動發消息給客戶端的場景，是怎么做到的？

在真正回答這個問題之前，我們先來聊下一些相關的知識背景。

使用 HTTP 不斷輪詢

其實問題的痛點在于，怎么樣才能在用戶不做任何操作的情況下，網頁能收到消息并發生變更。

最常見的解決方案是，網頁的前端代碼里不斷定時發 HTTP 請求到服務器，服務器收到請求后給客戶端響應消息。

這其實時一種「偽」服務器推的形式。

它其實并不是服務器主動發消息到客戶端，而是客戶端自己不斷偷偷請求服務器，只是用戶無感知而已。

用這種方式的場景也有很多，最常見的就是掃碼登錄。

比如，某信公眾號平臺，登錄頁面二維碼出現之后，前端網頁根本不知道用戶掃沒掃，于是不斷去向后端服務器詢問，看有沒有人掃過這個碼。而且是以大概 1 到 2 秒的間隔去不斷發出請求，這樣可以保證用戶在掃碼后能在 1 到 2 秒內得到及時的反饋，不至于等太久。

使用HTTP定時輪詢

但這樣，會有兩個比較明顯的問題：

• 當你打開 F12 頁面時，你會發現滿屏的 HTTP 請求。雖然很小，但這其實也消耗帶寬，同時也會增加下游服務器的負擔。
• 最壞情況下，用戶在掃碼后，需要等個 1~2 秒，正好才觸發下一次 HTTP 請求，然后才跳轉頁面，用戶會感到明顯的卡頓。

使用起來的體驗就是，二維碼出現后，手機掃一掃，然后在手機上點個確認，這時候卡頓等個 1~2 秒，頁面才跳轉。

不斷輪詢查看是否有掃碼

那么問題又來了，有沒有更好的解決方案？

有，而且實現起來成本還非常低。

長輪詢

我們知道，HTTP 請求發出后，一般會給服務器留一定的時間做響應，比如 3 秒，規定時間內沒返回，就認為是超時。

如果我們的 HTTP 請求將超時設置的很大，比如 30 秒，在這 30 秒內只要服務器收到了掃碼請求，就立馬返回給客戶端網頁。如果超時，那就立馬發起下一次請求。

這樣就減少了 HTTP 請求的個數，并且由于大部分情況下，用戶都會在某個 30 秒的區間內做掃碼操作，所以響應也是及時的。

長輪詢

比如，某度云網盤就是這么干的。所以你會發現一掃碼，手機上點個確認，電腦端網頁就秒跳轉，體驗很好。

長輪詢的方式來替代

像這種發起一個請求，在較長時間內等待服務器響應的機制，就是所謂的長訓輪機制。我們常用的消息隊列 RocketMQ 中，消費者去取數據時，也用到了這種方式。

RocketMQ的消費者通過長輪詢獲取數據

像這種，在用戶不感知的情況下，服務器將數據推送給瀏覽器的技術，就是所謂的服務器推送技術，它還有個毫不沾邊的英文名，comet 技術，大家聽過就好。

上面提到的兩種解決方案（不斷輪詢和長輪詢），本質上，其實還是客戶端主動去取數據。

對于像掃碼登錄這樣的簡單場景還能用用。但如果是網頁游戲呢，游戲一般會有大量的數據需要從服務器主動推送到客戶端。

這就得說下 websocket 了。

websocket是什么

我們知道 TCP 連接的兩端，同一時間里，雙方都可以主動向對方發送數據。這就是所謂的全雙工。

而現在使用最廣泛的HTTP/1.1，也是基于TCP協議的，同一時間里，客戶端和服務器只能有一方主動發數據，這就是所謂的半雙工。

也就是說，好好的全雙工 TCP，被 HTTP/1.1 用成了半雙工。

為什么？

這是由于 HTTP 協議設計之初，考慮的是看看網頁文本的場景，能做到客戶端發起請求再由服務器響應，就夠了，根本就沒考慮網頁游戲這種，客戶端和服務器之間都要互相主動發大量數據的場景。

所以，為了更好的支持這樣的場景，我們需要另外一個基于TCP的新協議。

于是新的應用層協議websocket就被設計出來了。

大家別被這個名字給帶偏了。雖然名字帶了個socket，但其實 socket 和 websocket 之間，就跟雷峰和雷峰塔一樣，二者接近毫無關系。

websocket在四層網絡協議中的位置

怎么建立websocket連接

我們平時刷網頁，一般都是在瀏覽器上刷的，一會刷刷圖文，這時候用的是 HTTP 協議，一會打開網頁游戲，這時候就得切換成我們新介紹的 websocket 協議。

為了兼容這些使用場景。瀏覽器在 TCP 三次握手建立連接之后，都統一使用 HTTP 協議先進行一次通信。

• 如果此時是普通的 HTTP 請求，那后續雙方就還是老樣子繼續用普通 HTTP 協議進行交互，這點沒啥疑問。
• 如果這時候是想建立 websocket 連接，就會在 HTTP 請求里帶上一些特殊的header 頭，如下：

Connection: Upgrade
Upgrade: websocket
Sec-WebSocket-Key: T2a6wZlAwhgQNqruZ2YUyg==

這些 header 頭的意思是，瀏覽器想升級協議（Connection: Upgrade），并且想升級成 websocket 協議（Upgrade: websocket）。同時帶上一段隨機生成的 base64 碼（Sec-WebSocket-Key），發給服務器。

如果服務器正好支持升級成 websocket 協議。就會走 websocket 握手流程，同時根據客戶端生成的 base64 碼，用某個公開的算法變成另一段字符串，放在 HTTP 響應的 Sec-WebSocket-Accept 頭里，同時帶上101狀態碼，發回給瀏覽器。HTTP 的響應如下：

HTTP/1.1101SwitchingProtocols

Sec-WebSocket-Accept:iBJKv/ALIW2DobfoA4dmr3JHBCY=

Upgrade:websocket

Connection:Upgrade

HTTP 狀態碼=200（正常響應）的情況，大家見得多了。101 確實不常見，它其實是指協議切換。

base64轉為新的字符串

之后，瀏覽器也用同樣的公開算法將base64碼轉成另一段字符串，如果這段字符串跟服務器傳回來的字符串一致，那驗證通過。

對比客戶端和服務端生成的字符串

就這樣經歷了一來一回兩次 HTTP 握手，websocket就建立完成了，后續雙方就可以使用 webscoket 的數據格式進行通信了。

建立websocket連接.drawio

websocket抓包

我們可以用wireshark抓個包，實際看下數據包的情況。

客戶端請求升級為websocket

上面這張圖，注意畫了紅框的第2445行報文，是websocket的第一次握手，意思是發起了一次帶有特殊Header的HTTP請求。

服務器同意升級為websocket協議

上面這個圖里畫了紅框的4714行報文，就是服務器在得到第一次握手后，響應的第二次握手，可以看到這也是個 HTTP 類型的報文，返回的狀態碼是 101。同時可以看到返回的報文 header 中也帶有各種websocket相關的信息，比如Sec-WebSocket-Accept。

兩次HTTP請求之后正式使用websocket通信

上面這張圖就是全貌了，從截圖上的注釋可以看出，websocket和HTTP一樣都是基于TCP的協議。經歷了三次TCP握手之后，利用 HTTP 協議升級為 websocket 協議。

你在網上可能會看到一種說法："websocket 是基于HTTP的新協議"，其實這并不對，因為websocket只有在建立連接時才用到了HTTP，升級完成之后就跟HTTP沒有任何關系了。

這就好像你喜歡的女生通過你要到了你大學室友的微信，然后他們自己就聊起來了。你能說這個女生是通過你去跟你室友溝通的嗎？不能。你跟HTTP一樣，都只是個工具人。

這就有點"借殼生蛋"的那意思。

HTTP和websocket的關系

websocket的消息格式

上面提到在完成協議升級之后，兩端就會用webscoket的數據格式進行通信。

數據包在websocket中被叫做幀，我們來看下它的數據格式長什么樣子。

websocket報文格式

這里面字段很多，但我們只需要關注下面這幾個。

opcode字段：這個是用來標志這是個什么類型的數據幀。比如。

• 等于 1 ，是指text類型（string）的數據包
• 等于 2 ，是二進制數據類型（[]byte）的數據包
• 等于 8 ，是關閉連接的信號

payload字段：存放的是我們真正想要傳輸的數據的長度，單位是字節。比如你要發送的數據是字符串"111"，那它的長度就是3。

img

另外，可以看到，我們存放** payload 長度的字段有好幾個**，我們既可以用最前面的7bit, 也可以用后面的7+16bit 或 7+64bit。

那么問題就來了。

我們知道，在數據層面，大家都是 01 二進制流。我怎么知道什么情況下應該讀 7 bit，什么情況下應該讀7+16bit呢？

websocket會用最開始的7bit做標志位。不管接下來的數據有多大，都先讀最先的7個bit，根據它的取值決定還要不要再讀個 16bit 或 64bit。

• 如果最開始的7bit的值是 0~125，那么它就表示了 payload 全部長度，只讀最開始的7個bit就完事了。

payload長度在0到125之間

• 如果是126（0x7E）。那它表示payload的長度范圍在 126~65535 之間，接下來還需要再讀16bit。這16bit會包含payload的真實長度。

payload長度在126到65535之間

• 如果是127（0x7F）。那它表示payload的長度范圍>=65536，接下來還需要再讀64bit。這64bit會包含payload的長度。這能放2的64次方byte的數據，換算一下好多個TB，肯定夠用了。

payload長度大于等于65536的情況

payload data字段：這里存放的就是真正要傳輸的數據，在知道了上面的payload長度后，就可以根據這個值去截取對應的數據。

大家有沒有發現一個小細節，websocket的數據格式也是數據頭（內含payload長度） + payload data 的形式。

這是因為 TCP 協議本身就是全雙工，但直接使用純裸TCP去傳輸數據，會有粘包的"問題"。為了解決這個問題，上層協議一般會用消息頭+消息體的格式去重新包裝要發的數據。

而消息頭里一般含有消息體的長度，通過這個長度可以去截取真正的消息體。

HTTP 協議和大部分 RPC 協議，以及我們今天介紹的websocket協議，都是這樣設計的。

消息邊界長度標志

websocket的使用場景

websocket完美繼承了 TCP 協議的全雙工能力，并且還貼心的提供了解決粘包的方案。

它適用于需要服務器和客戶端（瀏覽器）頻繁交互的大部分場景，比如網頁/小程序游戲，網頁聊天室，以及一些類似飛書這樣的網頁協同辦公軟件。

回到文章開頭的問題，在使用 websocket 協議的網頁游戲里，怪物移動以及攻擊玩家的行為是服務器邏輯產生的，對玩家產生的傷害等數據，都需要由服務器主動發送給客戶端，客戶端獲得數據后展示對應的效果。

websocket的使用場景

總結

• TCP 協議本身是全雙工的，但我們最常用的 HTTP/1.1，雖然是基于 TCP 的協議，但它是半雙工的，對于大部分需要服務器主動推送數據到客戶端的場景，都不太友好，因此我們需要使用支持全雙工的 websocket 協議。
• 在 HTTP/1.1 里，只要客戶端不問，服務端就不答。基于這樣的特點，對于登錄頁面這樣的簡單場景，可以使用定時輪詢或者長輪詢的方式實現服務器推送(comet)的效果。
• 對于客戶端和服務端之間需要頻繁交互的復雜場景，比如網頁游戲，都可以考慮使用 websocket 協議。
• websocket 和 socket 幾乎沒有任何關系，只是叫法相似。
• 正因為各個瀏覽器都支持 HTTP協 議，所以 websocket 會先利用HTTP協議加上一些特殊的 header 頭進行握手升級操作，升級成功后就跟 HTTP 沒有任何關系了，之后就用 websocket 的數據格式進行收發數據。