前端学HTTP之Web主机托管

前面的话

　　对内容资源的存储、协调以及管理的职责统称为Web主机托管。主机托管是Web服务器的主要功能之一。保存并提供内容，记录对内容的访问以及管理内容都离不开服务器。如果不想自行管理服务器所需的软硬件，就需要主机托管服务，即托管者。本文将详细介绍Web主机托管

主机托管

　　在万维网的早期，每个组织自行购买自己的计算机硬件，搭建自己的计算机房，申请自己的网络连接，并管理自己的Web服务器软件。随着Web迅速成为主流，每人都想要一个网站，但很少有人有能力或时间来搭建带空调的服务器机房，注册域名，或购买网络带宽。为了满足人们的迫切需求，出现了很多新的企业，提供了专业化管理的Web主机托管服务。服务级别有多种，从物理上的设备管理(提供空间、空调以及线缆)到完整的Web主机托管，顾客只需要提供内容就行了

　　下面主要探讨托管Web服务器要提供什么服务。网站运作需要的很多东西(例如，它支持不同语言的能力和进行安全的电子商务交易的能力)都取决于托管Web服务器提供的功能

　　假设Joe的五金商店和Mary的古董拍卖店都需要网站。Irene网络服务提供商那里有很多机架，机架上全是一样的高性能Web服务器，可以租给Joe和Maiy，这样，他俩就不用自行购买自己的服务器并管理服务器软件了

　　在下图中，Joe和Mary都签约使用Irene的网络服务提供商提供的专用Web托管服务。Joe租了专用的Web服务器，该服务器是Irene网络服务提供商购买和维护的。Mary也从Irene网络服务提供商那里租了另一个专用服务器。Irene网络服务提供商大批量地购买服务器硬件，它们选择的硬件经久耐用且相对便宜。如果Joe或Mary的网站变得更受欢迎，Irene网络服务提供商可以立刻给Joe或Mary提供更多的服务器

　　在这个例子中，浏览器向Joe服务器的IP地址发送对www.joes-hardware.com的HTTP请求，向Mary服务器(不同于Joe)的IP地址发送对www.marys-antiques.com的请求

虚拟主机托管

　　许多人想要在Web上展现自己，但他们的网站流量都不大。对这些人来说，使用专用的Web服务器可能有点儿大材小用，因为他们每月花费数百美元租来的服务器大部分时间都是空闲的

　　许多Web托管者通过让一些顾客共享一台计算机来提供便宜的Web主机托管服务。这称为共享主机托管或虚拟主机托管。每个网站看起来是托管在不同的服务器上，但实际上是托管在同一个物理服务器上。从最终用户的角度来看，被虚拟托管的网站应当和托管在专用服务器上的网站没什么区别

　　从成本效益、空间以及管理方面考虑，提供虚拟主机托管的公司希望能在同一个服务器上托管数十、上百，甚至上千个网站——但这不一定意味着上千个网站是用一台PC机来提供服务的。托管者可以创建成排同样的服务器，称为服务器集群(server farm)，把负载分摊在群里的服务器上。因为群里的每台服务器都一样，并且托管了许多虚拟网站，所以管理起来更加方便

　　当Joe和Mary刚开始商务运作时，他们可能会选择虚拟主机托管，以节省费用，直到他们网站的流量规模达到值得使用专用服务器的水平为止

【主机信息】

　　不幸的是，HTTP/1.0中的一个设计缺陷会使虚拟主机托管者抓狂。HTTP/1.0规范中没有为共享的Web服务器提供任何方法来识别要访问的是哪一个托管的网站

　　回想一下，HTTP/1.0请求在报文中只发送了URL的路径部分。如果要访问http://www.joes-hardware.com/index.html，浏览器会连接到服务器www.joes-hardware.com，但HTTP/1.0请求中只提到GET/index.html，没有提到主机名。如果服务器虚拟托管了多个站点，就没有足够的信息能指出要访问的是哪个虚拟网站

　　如果客户端A试图访问http://www.joes-hardware.com/index.html，请求GET/index.html将被发送到共享的Web服务器

　　如果客户端B试图访问http://www.marys-antiques.com/index.html，同样的请求GET/index.html也将被发送到共享的Web服务器

　　就Web服务器而言，没有足够的信息可供其判断究竟要访问的是哪个网站。尽管请求的是完全不同的文档(来自不同的网站)，但这两个请求看起来是一样的，这是因为网站的主机信息已经从请求中剥离了

　　[注意]HTTP替代物(反向代理)和拦截代理也都需要明确的站点信息

　　缺失的主机信息是原始HTTP规范的疏忽，它错误地假设了每个Web服务器上只托管了一个网站。HTTP的设计者没有为进行虚拟主机托管的共享服务器提供支持。正因为如此，URL中的主机名信息被当作冗余信息剥离了，只要求发送路径部分

　　因为早期的规范没有考虑到虚拟主机托管，Web托管者需要开发变通的方案和约定来支持共享的虚拟主机托管。这个问题本可以通过要求所有HTTP清求报文发送完整的URL而不只是路径部分来简单地解决。而HTTP/1.1的确要求服务器能够处理HTTP报文请求行上的完整URL，但将现存的应用程序都升级到这个规范还需要很长时间。在此期间，涌现了以下4种技术

　　1、通过URL路径进行虚拟主机托管

　　可以通过分配不同的URL路径，用这种笨方法把共享服务器上的虚拟站点隔离开。例如，可以给每个逻辑网站一个专门的路径前缀

　　Joe的五金商店可以是：http://www.joes-hardware.com/joe/index.html

　　Mary的古董拍卖店可以是：http://www.marys-antiques.com/mary/index.html

　　当请求到达服务器时，其中并没有主机名信息，但服务器可以通过路径来区分它们

　　请求Joe的五金商店的网址是GET /joe/index.html

　　请求Mary的古董拍卖店的网址是GET /mary/index.html

　　这不是一个好办法。/joe和/mary这样的前缀是多余的(主机名中已经提到joe了)

　　更糟的是，描述主页链接的常见约定：http://www.joes-hardware.com或http://www. joes-hardware.com/index.html 都不能用了

　　总之，按URL来进行虚拟主机托管是一个糟糕的解决方案，很少会用到

　　2、通过端口号进行主机托管

　　除了修改路径名，还可以在Web服务器上为Joe和Mary的网站分配不同的端口号。不再使用端口 80，而是采用其他端口号，例如，Joe用82，Mary用83。但这个解决方案也有同样的问题：终端用户不会乐意在URL中指定非标准的端口号

　　3、通过IP地址进行主机托管

　　为不同的虚拟站点分配专门的IP地址，把这些地址都绑定到一台单独的机器上。这样，Web服务器就可以通过IP地址来识别网站名了

　　一个更常用的、更好的方法是通过IP地址进行虚拟化。每个虚拟网站都分配一个或多个唯一的IP地址。所有虚拟网站的IP地址都绑定到同一个共享的服务器上。服务器可以查询HTTP连接的目的IP地址，并以此来判断客户端的目标网站

　　比方说，托管者把IP地址209.172.34.3分配给www.joes-hardware.com，把IP地址209.172.34.4分配给www.marys-antiques.com，把这两个IP地址都绑定到同一个物理服务器上。Web服务器就能使用目的IP地址来识别用户请求的是哪个虚拟站点了

　　客户端A获取http://www.joes-hardware_com/index.html；客户端A査询www.joes-hardware.com的IP地址，得到209.172.34.3；客户端A打开到共享服务器的TCP连接，目的地址是209.172.34.3；客户端A发送请求，内容为GET/index.html HTTP/1.0；在Web服务器提供响应之前，它注意到实际的目的IP地址(209.172.34.3)，判断出这是Joe的五金网站的虚拟IP地址，就根据子目录/joe来完成请求。返回的是文件/joe/index.html

　　类似地，如果客户端B请求http://www.marys-antiques.com/index.html。客户端B査询www.marys-antiques.com的IP地址，得到209.172.34.4；客户端B打开到Web服务器的TCP连接，目的地址是209.172.34.4；客户端B发送请求，内容是GET/index.html HTTP/1.O；Web服务器判断出209.172.34.4是Mary的网站，根据/mary目录来完成请求，返问的是文件/mary/index.html

　　对大的托管者来说，虚拟IP的主机托管能够工作，但它会带来一些麻烦

　　a、在计算机系统上能绑定的虚拟IP地址通常是有限制的。想在共享的服务器上托管成百上千的虚拟站点的服务商不一定能实现愿望

　　b、IP地址是稀缺资源。有很多虚拟站点的托管者不一定能为被托管的网站获取足够多的IP地址

　　c、托管者通过复制服务器来增加容量时，IP地址短缺的问题就更严重了。随负载均衡体系的不同，可能会要求每个复制的服务器上有不同的虚拟IP地址，因此IP地址的需求量可能会随复制服务器的数量而倍增

　　尽管虚拟IP的主机托管存在消耗地址的问题，但它仍然得到了广泛的运用

　　4、通过Host首部进行虚拟主机托管

　　为了避免过度的地址消耗和虚拟IP地址的限制，我们希望在虚拟站点间共享同一个IP地址，且仍能区分站点。但正如我们看到的那样，因为大多数浏览器只是把URL的路径发给服务器，关键的虚拟主机名信息被其丢掉了

　　为了解决这个问题，浏览器和服务器的实现者扩展了HTTP，把原始的主机名提供给服务器。不过，浏览器不能只发送完整的URL，因为这会使许多只能接收路径的服务器无法工作。替代的方法是，把主机名(和端口号)放在所有请求的Host扩展首部中传送　　

　　下图中，客户端A和客户端B都发送了携带有要访问的原始主机名的Host首部。当服务器收到对/index.html的请求时，可以通过Host扩展首部来判断要使用哪个资源

　　Host首部最早是在HTTP/1.0+中引入的，它是开发商实现的HTTP/1.0的扩展超集。遵循HTTP/1.1标准则必须支持Host首部。绝大多数现代浏览器和服务器都支持Host首部，但仍有一些客户端和服务器(以及网络机器人)不支持它

Host首部

　　Host首部是HTTP/1.1的请求首部，定义在RFC 2068中。由于虚拟服务器的流行，绝大多数HTTP客户端(即使是不遵循HTTP/1.1的客户端)，都实现了Host首部

　　Host首部描述了所请求的资源所在的因特网主机和端口号，和原始的URL中得到的一样：

Host = "Host" ":" host [ ":" port ]

　　但要注意以下问题：如果Host首部不包含端口，就使用地址方案中默认的端口；如果URL中包含IP地址，Host首部就应当包含同样的地址；如果URL中包含主机名，Host首部就必须包含同样的名字；如果URL中包含主机名，Host首部就不应当包含URL中这个主机名对应的IP地址，因为这样会扰乱虚拟主机托管服务器的工作，它在同一个IP地址上堆叠了很多虚拟站点；如果URL中包含主机名，Host首部就不应当包含这个主机名的其他别名，因为这样也会扰乱虚拟主机托管服务器的工作；如果客户端显式地使用代理服务器，客户端就必须把原始服务器，而不是代理服务器的名字和端口放在Host首部中。以往，若干个Web客户端在启用客户端代理设置时，错误地把发出的Host首部设置成代理的主机名。这种错误行为会使代理和原始服务器都无法正常处理请求；Web客户端必须在所有请求报文中包含Host首部；Web代理必须在转发请求报文之前，添加Host首部；HTTP/1.1的Web服务器必须用400状态码来响应所有缺少Host首部字段的HTTP/1.1请求报文

　　下面是一段简单的HTTP请求报文，用于获取www.joes-hardware.com的主页，其中带有必须的Host首部字段

　　有少量在用的老式浏览器不会发送Host首部。如果某个虚拟主机托管服务器使用Host首部来判断所服务的是哪个网站，而报文中没有出现Host首部的话，那它可能会把用户导向某个默认的Web页面(例如网络服务提供商的Web页面)，也可能返回一个错误页面建议用户升级浏览器

　　对于没有进行虚拟主机托管，而且不允许资源随请求主机的不同而变化的原始服务器来说，可以忽略Host首部字段的值。但资源会随主机名的不同而变化的原始服务器，都必须在一条HTTP/1.1请求判断其所请求的资源时使用下列规则

　　1、如果HTTP请求报文中的URL是绝对的(也就是说，包含方案和主机部分)，就忽略Host首部的值

　　2、如果HTTP请求报文中的URL没有主机部分，而该请求带有Host首部，则主机/端口的值就从Host首部中取

　　3、如果通过第(1)步或第(2)步都无法获得有效的主机，就向客户端返回400 Bad Request 响应

　　某些版本的浏览器发送的Host首部不正确，尤其是配置使用代理的时候。例如，配置使用代理时，一些老版本的Apple和PointCast客户端会错误地把代理的名字，而不是原始服务器的名字放在Host首部里发送

网站运作

　　在下面列出的这些时间段内，网站通常是无法运作的：服务器宕机的时候；交通拥堵：突然间很多人都要看某个特别的新闻广播或涌向某个大甩卖网店。突然的拥堵可以使Web服务器过载，降低其响应速度，甚至使它彻底停机；网络中断或掉线

　　下面会展示一些预判和处理这些常见问题的方法

【镜像的服务器集群】

　　服务器集群是一排配置相同的Web服务器，互相可以替换。每个服务器上的内容可以通过镜像复制，这样当某个服务器出问题的时候，其他的可以顶上

　　镜像的服务器常常组成层次化的关系。某个服务器可能充当“内容权威”——它含有原始内容(可能就是内容作者上传的那个服务器)。这个服务器称为主原始服务器(master origin server)。从主原始服务器接收内容的镜像服务器称为复制原始服务器(replica origin server)。一种简单的部署服务器集群的方法是用网络交换机把请求分发给服务器。托管在服务器上的每个网站的IP地址就设置为交换机的IP地址

　　下图显示的镜像服务器集群中，主原始服务器负责把内容发送给复制原始服务器。对集群外部来说，内容所在的IP地址就是交换机的IP地址。交换机负责把请求发送到服务器上去

　　镜像Web服务器可以在不同的地点包含同样内容的副本。下图展示了4个镜像服务器，其中主服务器在芝加哥，复制服务器在纽约，迈阿密和小石城。主服务器为芝加哥地区的客户端服务，并肩负把内容传播给复制服务器的任务

　　在上图的场景中，有以下两种方法把客户端的请求导向特定的服务器

　　1、HTTP重定向

　　该内容的URL会解析到主服务器的IP地址，然后它会发送重定向到复制服务器

　　2、DNS重定向

　　该内容的URL会解析到4个IP地址，DNS服务器可以选择发送给客户端的IP地址

【内容分发网络(CDN)】

　　简单地说，内容分发网络(CDN)就是对特定内容进行分发的专门网络。这个网络中的节点可以是Web服务器、反向代理或缓存

　　1、CDN中的反向代理缓存

　　复制原始服务器可以用反向代理(也称为替代物)缓存来代替。反向代理缓存可以像镜像服务器一样接受服务器请求。它们代表原始服务器中的一个特定集合来接收服务器请求。根据内容所在的IP地址的广告方式，原始服务器和反向代理缓存之间通常有协作关系，到特定的原始服务器的请求就由反向代理缓存来接收

　　反向代理和镜像服务器之间的区别在于反向代理通常是需求驱动的。它们不会保存原始服务器的全部内容副本，它们只保存客户端请求的那部分内容。内容在其髙速缓存中的分布情况取决于它们收到的请求，原始服务器不负责更新它们的内容。为了更容易地访问“热点”内容(就是高请求率的内容)，有些反向代理具有“预取”特性，可以在用户请求之前就从服务器上载入内容

　　CDN中带有反向代理时，可能会由于存在代理的层次关系而增加其复杂性

　　2、CDN中的代理缓存

　　与反向代理不同，传统的代理缓存能收到发往任何Web服务器的请求。在代理缓存与原始服务器之间不需要有任何工作关系或IP地址约定。但是与反向代理比起来，代理缓存的内容一般都是按需驱动的，不能指望它是对原始服务器内容的精确复制。某些代理缓存也可以预先载入热点内容

　　按需驱动的代理缓存可以部署在其他环境中——尤其是拦截环境，在这种情况下，2层或3层设备(交换机或路由器)会拦截Web流量并将其发送给代理缓存

　　拦截环境依赖于在客户端和服务器之间设置网络的能力。这样，所有合适的HTTP请求才能真正发送到缓存中去。根据收到的请求，将内容分布在缓存中

【加速访问】

　　上面提到的很多技术也能帮助网站更快地加载。服务器集群和分布式代理缓存或反向代理服务器分散了网络流量，可以避免拥塞。分发内容使之更靠近终端用户，这样从服务器到客户端的传输时间就更短了。请求和响应穿过因特网，在客户端和服务器间传输的方式是影响资源访问速度最主要的因素

　　加速网站访问的另一种方法是对内容进行编码以便更快地传输。比如，对内容进行压缩，但前提是接收的客户端能够把内容解压缩

巴特西