5.1 WWW的概念与组成结构

万维WWW（World Wide Web）简称web并非某种特殊的计算机网络。它是一个大规模分布式、联机式的信息存储空间。

万维网利用网页之间的超链接（也称链接，就是鼠标箭头变为一只手的地方）将不同网站的网页链接成一张逻辑上的信息网。

在这个空间中：一个有用的事物可称为一个“资源”，并由一个全域“统一资源定位符”（URL）标识。这些资源通过超文本传输协议（HTTP）传送给使用者，而使用者通过单击链接来获取资源。

浏览器最重要的部分是渲染引擎，也就是浏览器内核。负责对网页内容进行解析和显示。同一网页在不同内核的浏览器的显示效果可能不同。

万维网的内核部分由以下三个标准构成：

统一资源定位符（URL）。负责标识万维网上的各种文档，并使每个文档在整个万维网的范围内具有唯一的标识符URL。
超文本传输协议（HTTP）。一个应用层协议，它使用TCP连接，HTTP是万维网客户程序和服务器程序之间交互所必须严格遵守的协议。
超文本标记语言（HTML）。一种文档结构的标记语言，它使用一些约定的标记对页面上的各种信息（包括文字、声音、图像、视频等）、格式进行描述。

URL相当于一个文件名在网络范围的扩展

“：端口”通常已省略。
若将URL中的路径省略，则URL就指明互联网上的某个主页。
协议和主机名部分的字母不区分大小写，但路径一般区分。

万维网的文档

超文本标记语言HTML。使用多种“标签”来描述网页的结构和内容。
层叠样式表CSS。从审美的角度来描述网页的样式。
JavaScript。一种脚本语言，控制网页的行为。

Web是一个分布式的超媒体系统，是超文本系统的扩充。

5.2 超文本传输协议（HTTP）

HTTP定义了浏览器（即万维网客户进程）怎样向万维网服务器请求万维网文档，以及万维网服务器怎样把万维网文档传送给浏览器。

从层次的角度看，HTTP是面向事务应用层协议，它规定了在浏览器和服务器之间的请求和响应的格式与规则，是万维网上能够可靠地交换文件（包括文本、声音、图像等多媒体文件）的重要基础。

5.2.1 HTTP的操作过程

在浏览器和服务器之间的请求与响应的交互，必须遵循规定的格式和规则，这些格式和规则就是HTTP。因此HTTP有两类报文：请求报文（从Web客户端向Web服务器发送服务请求）和响应报文（从Web服务器堆Web客户端请求的回答）

用户鼠标单击链接后发送的事件按顺序如下（以访问清华大学的网站为例）：

浏览器分析链接指向页面的URL（http://www.tsinghua.edu.cn/news.htm）
浏览器向DNS请求解析www.tsinghua.edu.cn的IP地址。
DNS解析出清华大学服务器的IP地址。
浏览器与该服务器建立TCP连接（默认端口号为80）。
浏览器发出HTTP请求：GET/news.htm。
服务器通过HTTP响应把文件news.htm发送给浏览器。
释放TCP连接。
浏览器解释文件news.htm，并将Web页显示给用户。

注:

在请求行使用了相对URL（即省略了主机的域名）；
后缀htm（html）表示这是一个用超文本标记语言HTML写出的文件。
可以看出若DNS缓冲中没有存储相应域名的IP地址，访问Web网站就要用到UDP。

5.2.2 HTTP的特点

HTTP在传输层使用了TCP协议，保证了数据的可靠传输。但在应用层HTTP本身是无连接的。换句话说，虽然HTTP使用了TCP连接，但通信的双方在交换HTTP报文之前不需要先建立HTTP连接。

HTTP/1.0采用非持续连接方式

在该方式下，每次浏览器要请求一个文件都要与服务器建立TCP连接，当收到响应后就立即关闭连接。

每请求一个文档就要有两倍的RTT的开销。若一个网页上有很多引用对象（例如图片等），那么请求每一个对象都需要花费2RTT的时间。
为了减小时延，浏览器通常会建立多个并行的TCP连接同时请求多个对象。但是，这会大量占用万维网服务器的资源，特别是万维网服务器往往要同时服务大量客户的请求，这会使其负担很重。

HTTP/1.0读取一个包含100个图片对象的Web页面，需要打开和关闭101次TCP连接（1个基本的html文件和100个图片对象）。

HTTP/1.1采用持续连接方式

在该方式下，万维网服务器在发送响应后仍然保持这条连接，使同一个客户（浏览器）和该服务器可以继续在这条连接上传送后续的HTTP请求报文和响应报文。这并不局限于传送同一个页面上引用的对象，而是只要这些文档都在同一个服务器上就行。

为了进一步提高效率，HTTP/1.1的持续连接还可以使用流水线方式工作，即浏览器在收到HTTP的响应报文之前就能够连续发送多个请求报文。这样的一个接一个的请求报文到达服务器后，服务器就发回一个接一个的响应报文。这样就节省了很多个RTT时间，使TCP连接中的空闲时间减少，提高了下载文档的速度。

HTTP是无状态的

同一个客户第二次访问同一个服务器上的页面时，服务器的响应与第一次被访问时的相同。无状态特性简化了服务器的设计，使服务器更容易支持大量并发的HTTP请求。

在实际应用中，通常使用Cookie加数据库的方式来跟踪用户的活动（如记录用户最近浏览的商品等）。

Cookie是一种对无状态的HTTP进行状态化的技术。

Cookie的工作原理：当用户浏览某个使用Cookie的网站时，该万维网服务器就为用户产生一个唯一的识别码，如“12345678”，接着在给用户的响应报文中添加一个Set-cookie的首部行“Set-cookie：12345678”。用户收到响应后，就在它管理的特定Cookie文件中添加这个服务器的主机名和Cookie识别码，当用户继续浏览这个网站时，会取出这个网站的识别码，并放入请求报文的Cookie首部行“Cookie：12345678”。服务器根据请求报文中的Cookie识别码就能从数据库中查询到该用户的活动记录，进而执行一些个性化的工作，如根据用户的历史浏览记录向其推荐新产品等。