一文详解WebSocket协议

Labs 导读

在WebSocket出现之前，一个Web应用（即时聊天、多人协作）的客户端和服务端之间常见的双向数据交换方式有短轮询、长轮询、SSE（Server-Sent Events，服务器发送事件）。这些方式在效率和网络带宽利用率方面存在诸多问题。WebSocket协议应运而生，对外提供了简单的双向数据传输能力。

作者：朱磊

单位：中国移动智慧家庭运营中心成都业务支持中心

Part 01 ●介绍●

WebSocket是一种在TCP连接上进行全双工通讯的网络通信协议。在2009年诞生，于2011年被IETF（The Internet Engineering Task Force，国际互联网工程任务组）定为标准并发布RFC 6455互联网标准跟踪文档，2016发布了RFC7936文档进行补充。WebSocket API同时也被W3C定为标准。

WebSocket协议设计之初是为了取代HTTP形式的通信，因为RFC6202中提到HTTP协议最初不是用来做双向数据通信的。WebSocket协议并没有完全舍弃HTTP，它基于HTTP基础服务在现有环境中实现了双向通信目标。正如RFC 6455中说的那样，WebSocke的设计哲学是最小约束的框架，唯一的约束就是协议是基于帧而不是流，并且支持Unicode文本和二进制帧两者。

Part 02 ●握手●

WebSocket协议分为建连握手、消息传输和断连握手三个部分，整体流程如下图所示。

2.1 建连握手-客户端

为了兼容HTTP服务器侧的应用程序和代理，客户端的建连握手（包括通过代理或通过TLS加密隧道进行的连接）是一个遵循RFC2616中定义的有效HTTP升级请求，客户端连接握手请求header部分字段如下图所示。此外，客户端一旦发送了的连接握手就必须等待来自服务器的响应。

- 请求URI

格式，ws-URI = "ws:" "//" host [ ":" port ] path [ "?" query ]或者wss-URI = "wss:" "//" host [ ":" port ] path [ "?" query ]，任何无效值都会造成建连失败

- 请求行

必须是GET方法，HTTP版本至少是1.1

- Upgrade

值必须是“websocket”，ASCII值，不区分大小写

- Connection

值必须包含“Upgrade”，ASCII值，不区分大小写

- Sec-WebSocket-Key

客户端为本次建连随机生成的16字节base64编码的字符串

- Origin

源地址，浏览器客户端必填，非浏览器客户端选填

- Sec-WebSocket-Protocol

客户端支持的一个或多个以逗号分隔的子协议，按优先级排序

- Sec-WebSocket-Version

客户端拟使用协议版本号，值必须为13。历史版本9、10、11和12不再作为有效值

- Sec-WebSocket-Extensions

客户端拟使用协议扩展。目前HyBi Working Group进行了多路复用扩展和压缩扩展，多路复用扩展实现共享底层TCP连接。压缩扩展为WebSocket协议增加了压缩功能，例如 x-webkit-deflate-frame

2.2 建连握手-服务端

当客户端与服务端建立WebSocket连接时，服务端必须回复客户端建连握手请求，握手回复header部分字段如下图所示。

- 状态行

HTTP/1.1 101 Switching Protocols，表示接受客户端建连。若服务器想要停止处理客户端的握手，可返回例如401这样的错误代码的HTTP响应

- Upgrade

值必须是“websocket”

- Connection

值必须包含“Upgrade”

- Sec-WebSocket-Accept

若服务端接受客户端连接，生成该值。先将客户端请求头的 Sec-WebSocket-Key值与RFC4122文档中定义的全局唯一标识“258EAFA5-E914-47DA-95CA-C5AB0DC85B11”拼接，然后进行SHA-1哈希再进行base64-encoded得到该值

- Sec-WebSocket-Protocol

服务端拟使用的协议，该值从客户端发送的Sec-WebSocket-Protocol中选择，若服务端都不支持，值为空

- Sec-WebSocket-Extensions

服务端拟使用协议扩展

2.3 断接握手

客户端和服务端都可以发送包含指定控制序列的控制帧（Close控制帧）以开始关闭握手。一方在接收到关闭控制帧时，只需发送一个关闭帧作为响应，然后关闭连接。存在拦截代理等情况下，TCP关闭握手并不总是可靠的端到端握手，上述关闭握手过程旨在补充TCP关闭握手（FIN/ACK）。

Part 03 ● 数据传输●

客户端一旦和服务端连接握手成功，双方就可以开始数据传输了。这是一个双向通信信道，在遵循RFC 6455规范中“消息”概念的基础上，双方均可以独立地随意发送数据。一条消息包含一个或者多个数据帧（不一定对应于网络层中的消息），Websocket帧格式如下图所示。

3.1 帧结构

- FIN

1位，表示是否是一条消息的最后一个分片。

- RSV1, RSV2, RSV3

1位，扩展功能未使用的情况下默认值为0。

- Opcode

4位，定义“Playload data”数据类型。

0（十进制）：连续帧

1：文本帧

2：二进制帧

3-7：预留非控制帧

8：连接关闭帧

9：心跳ping帧

10：心跳pong帧

11-15：预留控制帧

- MASK

1位，是否屏蔽“Playload data”，1是，0否。

- Payload length

7位，或者7+16位，或者7+64位，表示Payload data的长度。具体地，Payload length小于125，数据长度用Payload length表示;Payload length等于126，数据长度用Payload length后面16位表示；Payload length等于127，数据长度用Payload length后面64位表示。

- Masking-key

32位，存放客户端发送的掩码。为了防止代理缓存污染攻击，RFC6455中要求掩码必须来自强大的熵源，不可被预测。常规算法以字节为步长遍历载荷数据, 对于载荷数据的第i个字节, 做i对4取模得到j，掩码覆盖后的载荷数据的第i个字节的值为原第i个字节与Masking-Key的第j个字节做按位异或操作。

- Payload data

载荷数据分为扩展数据和应用数据两种，扩展数据在握手阶段协商是否使用，应用数据在扩展数据之后。

3.2 控制帧

控制帧由Opcode值确定，协议当前定义的控制帧的操作码包括 0x8 （Close）、0x9（Ping）、和0xA（Pong）。控制帧必须有一个小于等于125字节的有效载荷长度，对于Close控制帧有效载荷的前2个字节表示状态码，剩余字节表示关闭原因，如下图所示。

3.3 消息分片

消息分片指将概念上的一条“消息”通过多个数据帧发送。消息分片允许发送未知大小的消息，而不必缓冲整条消息。同时，消息分片结合多路复用协议的扩展，可以分割消息为更小的分段以共享输出通道。

协议中分片消息开始帧的FIN位为0，opcode位为非0表示该帧为某消息分片，中间帧FIN位为0，opcode位为0，最后通过FIN位为1，opcode为0标识分片结束。协议要求分片数据帧按顺序发送到另一端。

Part 04 ●总结●

WebSocke是设计在TCP层之上，不需要考虑数据长度，数据粘包拆包。也能通过扩展功能与HTTP/2多路复用结合，充分利用带宽。开发者只需在服务端和客户端代码中按序处理消息分片逻辑。

审核编辑：汤梓红