柠檬铺

Html5入门教程系列(5)--WebSocket

Html5入门教程系列(5)--WebSocket

—

由

柠檬铺
于

WebSocket允许浏览器和服务器进行双向通信，这在过去是比较难实现的。像聊天、游戏、股票这类实时性较高的应用，特别需要这种技术。从此web实时应用可以摆脱long-polling和插件了。

概述

WebSocket允许浏览器和服务器进行双向通信，这在过去是比较难实现的。在WebSocket出来以前，只能通过一种称为long-polling的技术模拟。webqq和微信web版目前仍然使用这种long-polling的方式。这种古老的方式当然不是个好的方案，但是在那个年代只能如此处理。

long-polling要求浏览器利用ajax发起请求，但是服务器并不立刻返回结果，而是等到特定的事件触发后才返回。接着，浏览器继续发起请求，并持续等待。

WebSocket的出现，使得浏览器和服务器得以在TCP之上构建双工通信机制，特别是聊天、游戏、股票这类实时性较高的应用，特别需要这种技术。

WebSocket已经正式标准化为rfc6455。意味着，在较新的浏览器上，可以使用WebSocket。本文就来详细解释一下WebSocket及其原理。

什么是全双工

在通信领域全双工是指，在任意时刻，通信双方可以发送数据给另一方。但这在传统的HTTP协议中是做不到的。因为HTTP是一种请求响应模型，服务端每次只能响应客户端的一次请求，当服务端完成数据发送后，理论上本次通信结束，TCP链接应当断开。尽管，Keep-Alive允许客户端通知服务端保持TCP链接，然而多数场景下，服务端并不会真正保持TCP链接，即使服务端保持跟客户端的TCP链接，只是为了减少每次通信过程的TCP握手时间，通信模式没有本质变化（即服务端无法主动发送数据）。这种模式限制了基于web的实时应用，从而诞生了ajax long polling解决方案：

Html5入门教程系列(5)--WebSocket

long polling模式已经在上文和上图中描述过了。尽管是一种解决方案，但是仍然有一些弊端。比如：因为客户端必须先发送请求，服务端才可以发送消息，必然导致实时性不高。另外，数据的交互仍然基于HTTP，所以HTTP头成为了额外的开销，是完全不必要的。

WebSocket协议使全双工通信成为可能，这是由于WebSocket要求通信双方保持TCP长连接，从而，服务端可以在任意时间向客户端发送消息，而不需要客户端先发送请求：

javascript客户端

Html5新增了WebSocket相关的javascript api，这样，我们可以通过javascript使浏览器与支持WebSocket的服务器进行基于WebSocket的通信。作为初学，我们可以先把注意力放在客户端，服务端可以使用公共的Echo Test服务。javascript代码如下：

  <!DOCTYPE html>
  <meta charset="utf-8" />
  <title>WebSocket Test</title>
  <script language="javascript" type="text/javascript">

var wsUri = "ws://echo.websocket.org/";
var output;

function init()
{

<span class="nx">output</span> <span class="o">=</span> <span class="nb">document</span><span class="p">.</span><span class="nx">getElementById</span><span class="p">(</span><span class="s2">"output"</span><span class="p">);</span>
<span class="nx">testWebSocket</span><span class="p">();</span>

}

function testWebSocket()
{

<span class="nx">websocket</span> <span class="o">=</span> <span class="k">new</span> <span class="nx">WebSocket</span><span class="p">(</span><span class="nx">wsUri</span><span class="p">);</span>
<span class="nx">websocket</span><span class="p">.</span><span class="nx">onopen</span> <span class="o">=</span> <span class="kd">function</span><span class="p">(</span><span class="nx">evt</span><span class="p">)</span> <span class="p">{</span> <span class="nx">onOpen</span><span class="p">(</span><span class="nx">evt</span><span class="p">)</span> <span class="p">};</span>
<span class="nx">websocket</span><span class="p">.</span><span class="nx">onclose</span> <span class="o">=</span> <span class="kd">function</span><span class="p">(</span><span class="nx">evt</span><span class="p">)</span> <span class="p">{</span> <span class="nx">onClose</span><span class="p">(</span><span class="nx">evt</span><span class="p">)</span> <span class="p">};</span>
<span class="nx">websocket</span><span class="p">.</span><span class="nx">onmessage</span> <span class="o">=</span> <span class="kd">function</span><span class="p">(</span><span class="nx">evt</span><span class="p">)</span> <span class="p">{</span> <span class="nx">onMessage</span><span class="p">(</span><span class="nx">evt</span><span class="p">)</span> <span class="p">};</span>
<span class="nx">websocket</span><span class="p">.</span><span class="nx">onerror</span> <span class="o">=</span> <span class="kd">function</span><span class="p">(</span><span class="nx">evt</span><span class="p">)</span> <span class="p">{</span> <span class="nx">onError</span><span class="p">(</span><span class="nx">evt</span><span class="p">)</span> <span class="p">};</span>

}

function onOpen(evt)
{

<span class="nx">writeToScreen</span><span class="p">(</span><span class="s2">"CONNECTED"</span><span class="p">);</span>
<span class="nx">doSend</span><span class="p">(</span><span class="s2">"WebSocket rocks"</span><span class="p">);</span>

}

function onClose(evt)
{

<span class="nx">writeToScreen</span><span class="p">(</span><span class="s2">"DISCONNECTED"</span><span class="p">);</span>

}

function onMessage(evt)
{

<span class="nx">writeToScreen</span><span class="p">(</span><span class="s1">'&lt;span style="color: blue;"&gt;RESPONSE: '</span> <span class="o">+</span> <span class="nx">evt</span><span class="p">.</span><span class="nx">data</span><span class="o">+</span><span class="s1">'&lt;/span&gt;'</span><span class="p">);</span>
<span class="nx">websocket</span><span class="p">.</span><span class="nx">close</span><span class="p">();</span>

}

function onError(evt)
{

<span class="nx">writeToScreen</span><span class="p">(</span><span class="s1">'&lt;span style="color: red;"&gt;ERROR:&lt;/span&gt; '</span> <span class="o">+</span> <span class="nx">evt</span><span class="p">.</span><span class="nx">data</span><span class="p">);</span>

}

function doSend(message)
{

<span class="nx">writeToScreen</span><span class="p">(</span><span class="s2">"SENT: "</span> <span class="o">+</span> <span class="nx">message</span><span class="p">);</span>
<span class="nx">websocket</span><span class="p">.</span><span class="nx">send</span><span class="p">(</span><span class="nx">message</span><span class="p">);</span>

}

function writeToScreen(message)
{

<span class="kd">var</span> <span class="nx">pre</span> <span class="o">=</span> <span class="nb">document</span><span class="p">.</span><span class="nx">createElement</span><span class="p">(</span><span class="s2">"p"</span><span class="p">);</span>
<span class="nx">pre</span><span class="p">.</span><span class="nx">style</span><span class="p">.</span><span class="nx">wordWrap</span> <span class="o">=</span> <span class="s2">"break-word"</span><span class="p">;</span>
<span class="nx">pre</span><span class="p">.</span><span class="nx">innerHTML</span> <span class="o">=</span> <span class="nx">message</span><span class="p">;</span>
<span class="nx">output</span><span class="p">.</span><span class="nx">appendChild</span><span class="p">(</span><span class="nx">pre</span><span class="p">);</span>

}

window.addEventListener("load", init, false);

</script>

<h2>WebSocket Test</h2>

<div id="output"></div>

Echo Test的效果如下：

可以看到关键在于使用websocket = new WebSocket(wsUri);来初始化一个WebSocket对象，该对象负责完成所有的通信。开发者无需关心具体的协议细节。

下面这个例子，可以实现一个简单web聊天室，服务端采用python实现，python的服务端实现包含了WebSocket的协议细节。可以从这里获取上面这个例子的代码

协议细节

协议层次

WebSocket的协议层次跟HTTP相同，都是基于TCP的，只是WebSocket在握手阶段需要HTTP协助

地址

与HTTP类似，WebSocket定义了ws或者wss作为协议，其他部分跟HTTP完全相同，例如：

ws://echo.websocket.org/

握手

WebSocket的握手阶段是比较关键的部分，握手过程存在一个从一个协议转化为另一个协议的问题（从http转化为WebSocket）。下图展示了这个握手的过程：

  1. 客户端首先发送一个HTTP请求，请求头部中a) 必须包含Upgrade: websocket和Connection: Upgrade，这是告诉服务器客户端希望进行协议升级。b) 同时客户端随机生成一个16字节的随机值，并用base64编码后保存为Header：Sec-Websocket-Key: <16-byte nonce, base64 encoded>c) Sec-Websocket-Version: 13表明WebSocket的协议版本为13，这是固定值，无需改动。（图中的写法是错误的）

    d) 其他头部为可选

  2. 服务端收到这个请求后，返回状态码101a) 必须包含Upgrade: websocket和Connection: Upgradeb) Sec-Websocket-Accept的值是将客户端发来的Sec-Websocket-Key进行hash后的结果，具体算法如下。有意思的是258EAFA5-E914-47DA-95CA-C5AB0DC85B11这个GUID是固定的
base64encode(sha1(Sec-Websocket-Key+'258EAFA5-E914-47DA-95CA-C5AB0DC85B11'))

数据帧

为了实现高效的数据通信，WebSocket在具体进行数据收发的时候，采用类似TCP封包的模式，将数据使用简单的头部定义封装后直接发送，免去了HTTP协议中灵活而复杂的HTTP Header，这样在通信过程中实际的数据发送量大大减少，提高了传输的效率，节省了带宽。我们来具体看看封包的方式：

这里稍作解释：

  1. 首先数据帧分为文本类型和二进制数据类型，这是通过opcode来规定的。文本类型为0x01，二进制类型为0x02。
  2. 需要将Payload(实际的数据)的长度在开始的若干的字节中表示出来，这样如果数据长度比较大，TCP层分包以后，WebSocket层的实现得以根据长度来组包。
  3. 使用MASK标记位说明数据实体是否需要进行掩码处理
  4. Payload部分如果需要掩码处理，则通过Masking-key（32位）来计算

掩码

MASK(掩码)实际上是一种安全措施，Websocket规定，客户端发送的所有数据帧都需要将数据进行掩码处理，而服务端发送的数据是不一定要经过掩码处理的。

掩码处理就是使用Masking-key（32位），对Payload数据进行一个异或(XOR)计算。经过计算后Payload的长度不会发生变化。解码端，可以通过同样的异或运算，反推出原始的Payload：

由于Masking-key是32位的随机值，所以在进行掩码计算时，是每次将Payload的4个字节拿出来，跟Masking-key进行按位异或运算，得到掩码后的结果，然后取出接下来的4个字节，做同样的处理。上图对这个过程进行了描述，不过上图是按字节来异或的，实际是一样的。类似的代码如下：

for (size_t i = 0; i < payloadLength; i++) {
<span class="n">frame_buffer</span><span class="p">[</span><span class="n">frame_buffer_size</span><span class="p">]</span> <span class="o">=</span> <span class="n">unmasked_payload</span><span class="p">[</span><span class="n">i</span><span class="p">]</span> <span class="o">^</span> <span class="n">mask_key</span><span class="p">[</span><span class="n">i</span> <span class="o">%</span> <span class="k">sizeof</span><span class="p">(</span><span class="kt">uint32_t</span><span class="p">)];</span>
<span class="n">frame_buffer_size</span> <span class="o">+=</span> <span class="mi">1</span><span class="p">;</span>

}

其他协议细节

在协议方面还有其他的细节，比如ping包等，可通过rfc6455了解详细。

兼容

目前浏览器对WebSocket的支持已经相当可观了：

然而，虽然我们在讨论浏览器对Websocket的支持情况，不过不要忘了，作为一个协议而言，客户端并不局限于浏览器，我们完全可以使用其他语言在其他平台上实现基于Websocket的通信。比如，如果一个游戏服务端接口即希望支持移动设备，还希望支持网页游戏，那么采用Websocket作为通信协议是一个可以考虑的选项。