[关闭]
@946898963 2022-05-11T20:01:14.000000Z 字数 10674 阅读 503

WebSocket协议

分享

WebSocket是什么

WebSocket协议和Http协议一样，都是应用层的协议。前者可以看作是后者的某些方面的补充，但两者只是交集关系，并不是包含关系。

HTTP的生命周期通过Request来界定，也就是一个Request一个Response。HTTP1.0默认是短连接的，一次request响应response后，这次HTTP请求就结束了。HTTP的连接是基于TCP的连接的，也就是说一个Request一个Response后，TCP的连接就断开了。

在Http 1.1中做了改进，默认Http为长连接（1.0可以通过keep-alive设置为长连接），这样在一个HTTP连接中，可以发送多个Request，接收多个Response。Http的长连接是基于TCP的，也就是说，多个Request可以复用同一个TCP连接。但是HTTP仍然是Request/Response模式的，也就是说一个request只能有一个response。所以说HTTP的长连接是一个伪长连接。而且这个response也是被动的，不能主动发起。只能是客户端发起请求，服务器返回响应（也就是说HTTP是一个半双工的协议）。

HTTP具有下列的问题：

WebSocket解决了上面两个问题。通过第一个HTTP request建立了TCP连接之后，之后的交换数据都不需要再发 HTTP request了，使得这个长连接变成了一个真长连接。而且WebSocket是一种主动型的协议，当双方建立连接后，服务器端可以主动的向客户端发送消息（也就是说WebSocket是一个全双工的协议）。

WebSocket具有下列的优点：

  1. 较少的控制开销。在连接创建后，服务器和客户端之间交换数据时，用于协议控制的数据包头部相对较小。在不包含扩展的情况下，对于服务器到客户端的内容，此头部大小只有2至10字节（和数据包长度有关）；对于客户端到服务器的内容，此头部还需要加上额外的4字节的掩码。相对于HTTP请求每次都要携带完整的头部，此项开销显著减少了。

  2. 更强的实时性。由于协议是全双工的，所以服务器可以随时主动给客户端下发数据。相对于HTTP请求需要等待客户端发起请求服务端才能响应，延迟明显更少（轮询）。

  3. 保持连接状态。与HTTP不同的是，Websocket需要先创建连接，这就使得其成为一种有状态的协议，之后通信时可以省略部分状态信息。而HTTP请求可能需要在每个请求都携带状态信息（如身份认证等）。

  4. 更好的二进制支持。Websocket定义了二进制帧，相对HTTP，可以更轻松地处理二进制内容。

  5. 可以支持扩展。Websocket定义了扩展，用户可以扩展协议、实现部分自定义的子协议。如部分浏览器支持压缩等。

  6. 更好的压缩效果。相对于HTTP压缩，Websocket在适当的扩展支持下，可以沿用之前内容的上下文，在传递类似的数据时，可以显著地提高压缩率。

HTTP的长连接和WebSocket的长连接都是基于TCP的长连接的，都可以长久保持一个TCP层面的长连接，只不过HTTP受限于它的Request/Response模式和被动性。WebSocket是什么原理？为什么可以实现持久连接？ - Bruce Wan的回答 - 知乎。

WebSocket与HTTP协议有着良好的兼容性。Websocket使用和HTTP相同的TCP端口，默认情况下，Websocket协议使用80端口，运行在TLS之上时，默认使用443端口。并且握手阶段采用HTTP协议，因此握手时不容易屏蔽，能通过各种HTTP代理服务器。

WebSocket协议标识符是ws（如果加密，则为wss，就像 https），服务器网址就是 URL。

  1. ws://example.com:80/some/path

WebSocket可以发送文本，也可以发送二进制数据。

接下来对WebSocket的细节进行详细的介绍，简单来讲，WS协议有两部分组成：握手和数据传输。

建立连接

首先Websocket是基于HTTP协议的，或者说借用了HTTP的协议来完成一部分握手。客户端通过HTTP请求与WebSocket服务端协商升级协议。协议升级完成后，后续的数据交换则遵照WebSocket的协议。

客户端：申请协议升级

首先，客户端发起协议升级请求。可以看到，采用的是标准的HTTP报文格式，且只支持GET方法。

  1. GET /chat HTTP/1.1          
  2. Host: server.example.com   
  3. Upgrade: websocket           
  4. Connection: Upgrade            
  5. Sec-WebSocket-Key: dGhlIHNhbXBsZSBub25jZQ==            
  6. Origin: http://example.com           
  7. Sec-WebSocket-Protocol: chat, superchat           
  8. Sec-WebSocket-Version: 13

请求首部意义如下：

需要注意的是，上面请求省略了部分非重点请求首部。由于是标准的HTTP请求，类似Host、Origin、Cookie等请求首部会照常发送。在握手阶段，可以通过相关请求首部进行 安全限制、权限校验等。

服务端：响应协议升级

服务端返回内容如下，状态代码101表示协议切换。到此完成协议升级，后续的数据交互都按照新的协议来。

  1. HTTP/1.1 101 Switching Protocols
  2. Connection:Upgrade
  3. Upgrade: websocket
  4. Sec-WebSocket-Accept: Oy4NRAQ13jhfONC7bP8dTKb4PTU=
  5. Sec-WebSocket-Protocol: chat

备注：每个header都以\r\n（回车换行）结尾，并且最后一行加上一个额外的空行\r\n（回车换行）。此外，服务端回应的HTTP状态码只能在握手阶段使用。过了握手阶段后，就只能采用特定的错误码。

Sec-WebSocket-Accept的计算

Sec-WebSocket-Accept根据客户端请求首部的Sec-WebSocket-Key计算出来。

计算公式为：
1. 将Sec-WebSocket-Key跟258EAFA5-E914-47DA-95CA-C5AB0DC85B11拼接。
2. 通过SHA1计算出摘要，并转成base64字符串。

伪代码如下：

  1. >toBase64(sha1(Sec-WebSocket-Key + 258EAFA5-E914-47DA-95CA-C5AB0DC85B11))

数据帧格式

WebSocket客户端、服务端通信的最小单位是帧（frame），由1个或多个帧组成一条完整的消息（message）。

发送端：将消息切割成多个帧，并发送给服务端；
接收端：接收消息帧，并将关联的帧重新组装成完整的消息；

本节的重点，就是讲解数据帧的格式。详细定义可参考RFC6455 5.2节 。

数据帧格式概览

下面给出了WebSocket数据帧的统一格式。熟悉TCP/IP协议的同学对这样的图应该不陌生。

  1. 从左到右，单位是比特。比如FIN、RSV1各占据1比特，opcode占据4比特。
  2. 内容包括了标识、操作代码、掩码、数据、数据长度等。（下一小节会展开）
  1.   0                   1                   2                   3
  2.   0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
  3.  +-+-+-+-+-------+-+-------------+-------------------------------+
  4.  |F|R|R|R| opcode|M| Payload len |    Extended payload length    |
  5.  |I|S|S|S|  (4)  |A|     (7)     |             (16/64)           |
  6.  |N|V|V|V|       |S|             |   (if payload len==126/127)   |
  7.  | |1|2|3|       |K|             |                               |
  8.  +-+-+-+-+-------+-+-------------+ - - - - - - - - - - - - - - - +
  9.  |     Extended payload length continued, if payload len == 127  |
  10.  + - - - - - - - - - - - - - - - +-------------------------------+
  11.  |                               |Masking-key, if MASK set to 1  |
  12.  +-------------------------------+-------------------------------+
  13.  | Masking-key (continued)       |          Payload Data         |
  14.  +-------------------------------- - - - - - - - - - - - - - - - +
  15.  :                     Payload Data continued ...                :
  16.  + - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - +
  17.  |                     Payload Data continued ...                |
  18.  +---------------------------------------------------------------+

数据帧格式详解

针对前面的格式概览图，这里逐个字段进行讲解。

FIN

1个比特。如果是1，表示这是消息（message）的最后一个分片（fragment），如果是0，表示不是是消息（message）的最后一个分片（fragment）。

RSV1, RSV2, RSV3

各占1个比特。一般情况下全为0。当客户端、服务端协商采用WebSocket扩展时，这三个标志位可以非0，且值的含义由扩展进行定义。如果出现非零的值，且并没有采用WebSocket扩展，连接出错。

Opcode:

4个比特。操作代码，Opcode的值决定了应该如何解析后续的数据载荷（data payload）。如果操作代码是不认识的，那么接收端应该断开连接（fail the connection）。可选的操作代码如下：

Mask

1个比特。表示是否要对数据载荷进行掩码操作。从客户端向服务端发送数据时，需要对数据进行掩码操作；从服务端向客户端发送数据时，不需要对数据进行掩码操作。

如果服务端接收到的数据没有进行过掩码操作，服务端需要断开连接。

如果Mask是1，那么在Masking-key中会定义一个掩码键（masking key），并用这个掩码键来对数据载荷进行反掩码。所有客户端发送到服务端的数据帧，Mask都是1。

掩码的算法、用途在下一小节讲解。

Payload length

数据载荷的长度，单位是字节。为7位，或7+16位，或7+64位。

假设数Payload length === x，如果

x为0~126：数据的长度为x字节。
x为126：后续2个字节代表一个16位的无符号整数，该无符号整数的值为数据的长度。
x为127：后续8个字节代表一个64位的无符号整数（最高位为0），该无符号整数的值为数据的长度。

此外，如果payload length占用了多个字节的话，payload length的二进制表达采用网络序（big endian，重要的位在前）。

Masking-key

0或4字节（32位）。所有从客户端传送到服务端的数据帧，数据载荷都进行了掩码操作，Mask为1，且携带了4字节的Masking-key。如果Mask为0，则没有Masking-key。

客户端必须为发送的每一个frame选择新的掩码，要求是这个掩码无法被提供数据的终端应用（即客户端）预测。

建议阅读：WebSocket协议中Masking Key有什么用？。

备注：载荷数据的长度，不包括mask key的长度。

Payload data

(x+y) 字节。

载荷数据：包括了扩展数据、应用数据。其中，扩展数据x字节，应用数据y字节。

扩展数据：如果没有协商使用扩展的话，扩展数据数据为0字节。所有的扩展都必须声明扩展数据的长度，或者可以如何计算出扩展数据的长度。此外，扩展如何使用必须在握手阶段就协商好。如果扩展数据存在，那么载荷数据长度必须将扩展数据的长度包含在内。

应用数据：任意的应用数据，在扩展数据之后（如果存在扩展数据），占据了数据帧剩余的位置。载荷数据长度 减去 扩展数据长度，就得到应用数据的长度。

掩码算法

掩码键（Masking-key）是由客户端挑选出来的32位的随机数。掩码操作不会影响数据载荷的长度。掩码、反掩码操作都采用如下算法：

首先，假设：

算法描述为： original-octet-i 与 masking-key-octet-j 异或后，得到 transformed-octet-i。

  1. j = i MOD 4
  2. transformed-octet-i = original-octet-i XOR masking-key-octet-j

数据传递

一旦WebSocket客户端、服务端建立连接后，后续的操作都是基于数据帧的传递。

WebSocket根据opcode来区分操作的类型。比如0x8表示断开连接，0x0-0x2表示数据交互。

数据分片

WebSocket的每条消息可能被切分成多个数据帧。当WebSocket的接收方收到一个数据帧时，会根据FIN的值来判断，是否已经收到消息的最后一个数据帧。

FIN=1表示当前数据帧为消息的最后一个数据帧，此时接收方已经收到完整的消息，可以对消息进行处理。FIN=0，则接收方还需要继续监听接收其余的数据帧。

此外，opcode在数据交换的场景下，表示的是数据的类型。0x01表示文本，0x02表示二进制。而0x00比较特殊，表示延续帧（continuation frame），顾名思义，就是完整消息对应的数据帧还没接收完。

数据分片例子

直接看例子更形象些。下面例子来自MDN，可以很好地演示数据的分片。客户端向服务端两次发送消息，服务端收到消息后回应客户端，这里主要看客户端往服务端发送的消息。

第一条消息

FIN=1, 表示是当前消息的最后一个数据帧。服务端收到当前数据帧后，可以处理消息。opcode=0x1，表示客户端发送的是文本类型。

  1. Client: FIN=1, opcode=0x1, msg="hello"
  2. Server: (process complete message immediately) Hi.

第二条消息

  1. FIN=0，opcode=0x1，表示发送的是文本类型，且消息还没发送完成，还有后续的数据帧。
  2. FIN=0，opcode=0x0，表示消息还没发送完成，还有后续的数据帧，当前的数据帧需要接在上一条数据帧之后。
  3. FIN=1，opcode=0x0，表示消息已经发送完成，没有后续的数据帧，当前的数据帧需要接在上一条数据帧之后。服务端可以将关联的数据帧组装成完整的消息。
  1. Client: FIN=0, opcode=0x1, msg="and a"
  2. Server: (listening, new message containing text started)
  3. Client: FIN=0, opcode=0x0, msg="happy new"
  4. Server: (listening, payload concatenated to previous message)
  5. Client: FIN=1, opcode=0x0, msg="year!"
  6. Server: (process complete message) Happy new year to you too!

WebSocket的ping与pong的java实现…----这篇文章解决了如何按照协议规定的数据格式发送和解析数据的问题

Websocket协议原理与实现（二）----这篇文章解决了如何按照协议规定的数据格式发送和解析数据的问题

Sec-WebSocket-Key/Accept的作用

Sec-WebSocket-Key/Sec-WebSocket-Accept在主要作用在于提供基础的防护，减少恶意连接、意外连接。

大致场景归纳如下：
1. 避免服务端收到非法的websocket连接（比如http客户端不小心请求连接websocket服务，此时服务端可以直接拒绝连接）
2. 确保服务端理解websocket连接。因为ws握手阶段采用的是http协议，因此可能ws连接是被一个http服务器处理并返回的，此时客户端可以通过Sec-WebSocket-Key来确保服务端认识ws协议。（并非百分百保险，比如总是存在那么些无聊的http服务器，光处理Sec-WebSocket-Key，但并没有实现ws协议。。。）
3. 可以防止反向代理（不理解ws协议）返回错误的数据。比如反向代理前后收到两次ws连接的升级请求，反向代理把第一次请求的返回给cache住，然后第二次请求到来时直接把cache住的请求给返回（无意义的返回）。

Sec-WebSocket-Key主要目的并不是确保数据的安全性，因为Sec-WebSocket-Key、Sec-WebSocket-Accept的转换计算公式是公开的，而且非常简单，最主要的作用是预防一些常见的意外情况（非故意的）。

  1. 强调：Sec-WebSocket-Key/Sec-WebSocket-Accept 的换算，只能带来基本的保障，但连接是否安全、数据是否安全、客户端/服务端是否合法的 ws客户端、ws服务端，其实并没有实际性的保证。

数据掩码的作用

WebSocket协议中，数据掩码的作用是增强协议的安全性。但数据掩码并不是为了保护数据本身，因为算法本身是公开的，运算也不复杂。他的真作用是为了防止早期版本的协议中存在的代理缓存污染攻击（proxy cache poisoning attacks）等问题。

代理缓存污染攻击

在正式描述攻击步骤之前，我们假设有如下参与者：

攻击步骤一：

  1. 攻击者浏览器 向邪恶服务器发起WebSocket连接。根据前文，首先是一个协议升级请求。
  2. 协议升级请求 实际到达 代理服务器。
  3. 代理服务器 将协议升级请求转发到 邪恶服务器。
  4. 邪恶服务器 同意连接，代理服务器 将响应转发给 攻击者。

由于 upgrade 的实现上有缺陷，代理服务器 以为之前转发的是普通的HTTP消息。因此，当邪恶服务器 同意连接，代理服务器 以为本次会话已经结束。

攻击步骤二：

到这里，受害者可以登场了：

  1. 受害者 通过 代理服务器 访问 正义服务器 的 正义资源。
  2. 代理服务器 检查该资源的url、host，发现本地有一份缓存（伪造的）。
  3. 代理服务器 将 邪恶资源 返回给 受害者。
  4. 受害者 卒。

附：前面提到的精心构造的“HTTP请求报文”。

  1. Client → Server:
  3. POST /path/of/attackers/choice HTTP/1.1 
  4. Host: host-of-attackers-choice.com 
  5. Sec-WebSocket-Key: <connection-key>
  7. Server → Client:
  9. HTTP/1.1 200 OK
  10. Sec-WebSocket-Accept: <connection-key>

当前解决方案

最初的提案是对数据进行加密处理。基于安全、效率的考虑，最终采用了折中的方案：对数据载荷进行掩码处理。

需要注意的是，这里只是限制了浏览器对数据载荷进行掩码处理，但是坏人完全可以实现自己的WebSocket客户端、服务端，不按规则来，攻击可以照常进行。

但是对浏览器加上这个限制后，可以大大增加攻击的难度，以及攻击的影响范围。如果没有这个限制，只需要在网上放个钓鱼网站骗人去访问，一下子就可以在短时间内展开大范围的攻击。

注意，只是客户端发往服务器的请求需要Mask，服务器发往客户端的请求不需要Mask。因为上面所描述的安全模型重点关注的是客户端发送类HTTP请求的frame给服务器，所以仅仅需要mask从客户端到服务器的数据。

建议阅读：WebSocket协议中Masking Key有什么用？。

连接保持+心跳

WebSocket为了保持客户端、服务端的实时双向通信，需要确保客户端、服务端之间的TCP通道保持连接没有断开。为了保证连接不断开，客户端需要向服务端发送心跳。

ping、pong的操作，对应的是WebSocket的两个控制帧，opcode分别是0x9、0xA。

举例，WebSocket服务端向客户端发送ping，只需要如下代码（采用ws模块）

  1. ws.ping('', false, true);

WebSocket可能进入某种半死不活的状态。这实际上也是原有网络世界的一些缺陷性设计。WebSocket的真长连接虽然解决了服务器和客户端两边的问题，但坑爹的是网络应用除了服务器和客户端之外，另一个巨大的存在是中间的网络链路。一个HTTP/WebSocket连接往往要经过无数的路由，防火墙。你以为你的数据是在一个“连接”中发送的，实际上它要跨越千山万水，经过无数次转发，过滤，才能最终抵达终点。在这过程中，中间节点的处理方法很可能会让你意想不到。比如说，这些坑爹的中间节点可能会认为一份连接在一段时间内没有数据发送就等于失效，它们会自作主张的切断这些连接。在这种情况下，不论服务器还是客户端都不会收到任何提示，它们只会一厢情愿的以为彼此间的红线还在，徒劳地一边又一边地发送抵达不了彼岸的信息。而计算机网络协议栈的实现中又会有一层套一层的缓存，除非填满这些缓存，你的程序根本不会发现任何错误。这样，本来一个美好的 WebSocket 长连接，就可能在毫不知情的情况下进入了半死不活状态。而解决方案，WebSocket 的设计者们也早已想过。就是让服务器和客户端能够发送 Ping/Pong Frame（RFC 6455 - The WebSocket Protocol）。这种 Frame 是一种特殊的数据包，它只包含一些元数据而不需要真正的 Data Payload，可以在不影响Application的情况下维持住中间网络的连接状态。

自我理解，websocket的长连接是基于tcp的，tcp的长连接理论上是不需要心跳机制来维持的，但是由于中间节点的原因（例如NAT），连接可能会断开，为了检测这种中间的突发性断开，websocket才在应用层提供了这种ping和pong来实现心跳，方便开发者检测突发性断开，进行相应的处理。

相关链接

WebSocket（2）--为什么引入WebSocket协议

WebSocket 是什么原理？为什么可以实现持久连接？

WebSocket教程

看完让你彻底搞懂Websocket原理

WebSocket

WebSockets 简介：将套接字引入网络

刨根问底HTTP和WebSocket协议(一）----介绍了大量HTTP的知识，很详细，建议阅读

刨根问底HTTP和WebSocket协议(二）

WebSocket和Socket的区别(三）

干货 | 长连接/websocket/SSE等主流服务器推送技术比较

腾讯云负载均衡

WebSocket原理及技术简介

浅谈 Websocket 和反向代理实践

WebSocket协议：5分钟从入门到精通----讲解的十分详细

使用 WebSocket 和 SSE 实现 HTTP 服务器推送

WebSocket 浅析

WebSocket协议详解及应用

(整理)websocket的ping和pong以及ping的最佳间隔时间

WebSocket的ping与pong的java实现…

Websocket协议原理与实现（二）

websocket ,ping pong heardbeat心跳机制

我想找个websocket的ping/pong操作的例子，哪位大侠能提供一下，谢谢啦

【Web 开发须知】WebSocket 开发指南

WebSocket协议及Go中的用法

WebSocket 详解

WebSocket 浅析

学习WebSocket协议—从顶层到底层的实现原理（修订版） #22

添加新批注
在作者公开此批注前，只有你和作者可见。
回复批注