📖 万维网 WWW

🎯 课程摘要：万维网 WWW(万维网) 是运行在因特网上的分布式应用，利用超链接将不同网站的网页链接成逻辑信息网。本节介绍万维网的基本概念、URL(统一资源定位符) 格式、万维网文档（HTML/CSS/JavaScript）、HTTP(超文本传送协议) 的工作原理（持续连接、流水线）、HTTP 报文格式、Cookie 机制以及万维网缓存与代理服务器。

📝 详细笔记

1. 万维网概述

  • 概念定义：万维网并非某种特殊的计算机网络，它是一个大规模的联机式信息储藏所，是运行在因特网上的一个分布式应用。
  • 核心思想：利用网页之间的超链接，将不同网站的网页链接成一张逻辑上的信息网。
  • 发展历史：
    • 1989 年 3 月：欧洲粒子物理实验室的蒂姆·伯纳斯·李最初提出
    • 1993 年 2 月：诞生世界上第一个图形界面浏览器 Mosaic
    • 1995 年：著名的网景浏览器上市
  • 主流浏览器及内核：Chrome、Firefox、Safari、Opera、IE 等。浏览器最重要的部分是渲染引擎（浏览器内核），负责对网页内容进行解析和显示。不同内核对网页解析有所不同，同一网页在不同内核浏览器中显示效果可能不同。

2. URL(统一资源定位符)

  • 作用：为了方便地访问世界范围的文档，万维网使用 URL(统一资源定位符) 来指明因特网上任何种类资源的位置。
  • 一般形式由四部分组成：
<协议>://<主机>:<端口>/<路径>
组成部分说明
协议访问文档采用的协议，如 HTTP
主机存放资源的主机域名或 IP 地址
端口服务器端口号（HTTP 默认 80，常省略）
路径资源在主机上的路径及网页文件名
  • ⚠️ 重点/考点：点击网页中的超链接跳转时，协议、主机和端口通常与首页相同，不同的是路径和网页文件。

3. 万维网文档

文档类型全称作用
HTMLHTML(超文本标记语言)使用多种标签描述网页的结构和内容
CSS层叠样式表从审美角度描述网页的样式
JavaScript脚本语言用来控制网页的行为
  • 三者编写的万维网文档由浏览器内核负责解释和渲染。
  • HTML 常见标签：<html>（定义文档范围）、<head>（定义首部）、<body>（定义主体）、<title>（网页标题）、<p>（文本段落）、<link>（引入 CSS）、<script>（引入 JS）、<button>（按钮）等。
  • 这些文档都部署在服务器端，包括静态页面和服务器后端根据用户需求自动生成的动态页面，需从服务器传送给浏览器解析渲染。

4. HTTP(超文本传送协议) 概述

  • 概念定义：HTTP(超文本传送协议) 是 TCP/IP 体系应用层中非常重要的协议，定义了浏览器（万维网客户进程）怎样向万维网服务器请求万维网文档，以及服务器怎样把文档传送给浏览器。
  • 工作过程：浏览器进程发起与服务器进程的 TCP 连接（熟知端口号 80），基于该连接发送 HTTP 请求报文，服务器执行相应操作后发回 HTTP 响应报文。

5. HTTP 的连接方式

版本连接方式特点
HTTP/1.0非持续连接每请求一个文件都要建立 TCP 连接，收到响应后立即关闭；请求一个文档需 2×RTT + 文档传输时延；多个对象需多次 2×RTT 开销
HTTP/1.1持续连接服务器发送响应后仍保持连接，同一客户可继续传送后续请求和响应；还可使用流水线方式（收到响应前连续发送多个请求），节省多个 RTT
  • 非持续连接的时延分析：请求一个万维网文档所需时间 = 2×RTT + 文档传输时延（1 个 RTT 用于 TCP 三报文握手，第 3 个报文载荷携带 HTTP 请求，再 1 个 RTT 用于请求响应）。
  • ⚠️ 重点/考点：
    • 非持续连接每请求一个文档就有 2×RTT 开销；为减少时延浏览器会建立多个并行 TCP 连接，但会大量占用服务器资源。
    • 持续连接的流水线方式：浏览器在收到 HTTP 响应前就能连续发送多个请求报文，减少 TCP 连接空闲时间，提高下载效率。

6. HTTP 报文格式

HTTP 是面向文本的，报文中每个字段都是 ASCII 串，长度不确定。

6.1 HTTP 请求报文

请求行: 方法 URL 版本 CRLF
首部行: 首部字段名: 值 CRLF
       ...（多个首部行）
空行 CRLF
实体主体（通常不使用）

请求行：方法字段 + 空格 + URL 字段 + 空格 + 版本字段 + CRLF

示例：

GET /... HTTP/1.1
Host: www.hnust.edu.cn
Connection: close
User-Agent: 浏览器类型及版本
Accept-Language: cn

（空行，无实体主体）

6.2 HTTP 请求方法

方法含义
GET请求读取由 URL 标识的信息（最常用）
POST向服务器提交数据（如表单提交）
HEAD请求读取由 URL 标识的信息的元信息（不含实体主体）
PUT在给定的 URL 下存储/更新文档
DELETE删除指定 URL 的资源
CONNECT用于代理服务器
OPTIONS查询服务器支持的方法
TRACE回环测试，用于诊断

6.3 HTTP 响应报文

状态行: 版本 状态码 短语 CRLF
首部行: 首部字段名: 值 CRLF
       ...（多个首部行）
空行 CRLF
实体主体

6.4 HTTP 状态码

状态码共五大类、33 种：

类别含义典型示例
1xx信息性状态码，表示请求已接收，继续处理100 Continue
2xx成功状态码，表示请求已被成功接收、理解、接受200 OK（请求成功）、202 Accepted（接受）
3xx重定向状态码，表示需要进一步操作才能完成请求304 Not Modified（文档未修改，用缓存）
4xx客户端错误状态码，表示请求有语法错误或无法完成404 Not Found（找不到请求页面）
5xx服务器错误状态码，表示服务器未能实现合法请求500 Internal Server Error
  • ⚠️ 重点/考点：浏览器通常不直接显示状态行，而是以友好形式告知用户。304 状态码在代理服务器缓存验证中常用。

7. Cookie 机制

  • 背景：早期万维网应用简单，仅查看静态文档，HTTP 被设计为无状态协议以简化服务器设计。现代应用（网上购物、电子商务）需要服务器识别用户。
  • 作用：Cookie 提供一种机制，使万维网服务器能够记住用户而无需用户主动提供标识信息，即 Cookie 是一种对无状态的 HTTP 进行状态化的技术。

Cookie 工作原理：

8. 万维网缓存与代理服务器

  • 概念定义：万维网缓存（Web Cache）可位于客户机或中间系统上，位于中间系统上的 Web 缓存又称为代理服务器。
  • 工作原理：Web 缓存把最近的一些请求和响应暂存在本地磁盘；新请求到达时，若与暂存请求相同，就返回暂存的响应，无需按 URL 地址再次访问因特网资源。
  • 作用：若 Web 缓存命中率较高，可大大减少链路通信量，减少主机访问因特网的时延。

缓存一致性验证（条件请求）：

情况过程结果
文档未过期代理服务器直接返回缓存文档主机获得缓存副本
文档已过期代理服务器向原始服务器发送含 If-Modified-Since（取值为文档修改日期）首部行的请求-
原始服务器文档未修改返回 304 Not Modified 响应（不含实体主体）代理服务器更新有效日期后返回缓存文档给主机
原始服务器文档已修改返回封装有新文档的响应代理服务器更新缓存后返回新文档给主机
  • ⚠️ 重点/考点：If-Modified-Since 首部字段 + 304 状态码是缓存验证的核心机制。

9. 考研真题解析

年份题号答案要点
201540C请求行指明方法 GET、URL、HTTP 版本（A 对）；Host 首部字段值为网站域名（B 对）；Connection: close 表示非持续连接，持续连接应为 keep-alive（C 错）；Cookie 首部表明浏览器曾访问过该网站（D 对）
---HTTP 持续连接非流水线方式：请求一个含引用对象的页面，每个对象需单独一个 RTT；从建立 TCP 连接到收到全部内容共 4 个 RTT

💡 核心总结

  • 万维网 = 分布式应用，核心三要素：URL(统一资源定位符)、HTTP(超文本传送协议)、HTML(超文本标记语言)。
  • HTTP 默认端口 80；HTTP/1.0 非持续连接（每文档 2×RTT），HTTP/1.1 持续连接 + 流水线方式提高效率。
  • HTTP 是无状态协议，Cookie 实现状态化。
  • 代理服务器（Web 缓存）通过 If-Modified-Since + 304 状态码验证缓存一致性，减少时延和流量。
  • HTTP 状态码五大类：1xx 信息、2xx 成功、3xx 重定向、4xx 客户端错误、5xx 服务器错误。

❓ 课后思考 / 经典考题

  1. URL 的一般形式由哪四部分组成？
  2. HTTP/1.0 的非持续连接与 HTTP/1.1 的持续连接有何区别？请求一个文档各需多少 RTT？
  3. 什么是流水线方式？它如何提高 HTTP 效率？
  4. HTTP 请求报文和响应报文各由哪些部分组成？
  5. 列举常见的 HTTP 状态码及其含义（200、304、404）。
  6. 为什么说 HTTP 是无状态协议？Cookie 如何实现状态化？
  7. 代理服务器如何验证缓存文档是否过期？涉及哪个首部字段和状态码？
最近更新:
Contributors: yangwenguang