大数据项目——广告数仓之HTTP概述

目录

第一章、理解URL

1.1  客户端、服务器

1.1.1  服务器与服务

1.1.2  客户端 

 1.2  URL

1.3  查询参数

---

第一章、理解URL

1.1  客户端、服务器

1.1.1  服务器与服务

所谓服务器，其实就是一台24小时不关机的计算机，它也有自己的cpu、内存、网卡、硬盘以及操作系统（一般是各种发行版linux）。这些服务器和普通的电脑一样，也有目录、用户这些概念。

      假如这是香港城市大学的一台服务器，这台服务器上提供了一个web服务，所谓服务，其实就是一个24小时运行在服务器上的程序。现在，如果有别的电脑来访问这个服务，他就可以看到香港城市大学的官网了。

1.1.2  客户端 

现在，有一台客户机打开了自己的浏览器想要访问香港城市大学的官网。

但是在庞大的互联网世界中，提供服务的服务器不仅仅只有一台，我们的客户机怎么才能在茫茫机海中找到香港城市大学的服务器呢？

 1.2  URL

        答案就是URL（Uniform Resource Locator，统一资源定位符），我们经常在浏览器里输入的访问地址（比如NewsCentre | City University of Hong Kong），就是一个典型的URL。我们就是靠它定位需要访问的资源的。

URL是有固定格式的，下面我们通过一个具体的例子进行介绍。

下面这个地址是香港城市大学新闻页的URL

NewsCentre | City University of Hong Kong

将它复制到浏览器进行访问可以看到如下的页面

现在说一下URL的结构。

• 协议头：

        冒号之前的部分，我们称为协议头。在这个URL中，我们可以说使用的是https协议。

https://www.cityu.edu.hk/media/news

• 主机名或域名：

        ://和第一个/之间的内容是主机名或域名（还可以直接写ip地址）。

https://www.cityu.edu.hk/media/news

        严格来说，客户端通过ip地址才能在网络中找到响应的服务器。我们之前学过如何配hosts，当时就是相当于给ip地址起了别名，这样我们才能通过hadoop102、hadoop103等主机名去访问各类服务。但www.cityu.edu.hk对应的ip我们是怎么知道的呢？其实还有一个东西叫做DNS（域名解析系统），它其实是一些互联网厂商提供的一个把域名解析为ip地址的服务（它有一个域名和ip地址对应关系的表），而且DNS服务器的IP地址是事先写到路由器或上游网络设备的设置里的。

所以：

（1） 浏览器会根据DNS服务器的ip地址，找就近的DNS服务器去查询www.cityu.edu.hk的ip地址是多少。

（2） DNS响应浏览器，告诉我们www.cityu.edu.hk的ip地址是144.214.4.184。

最后，需要说明，域名是有专门的机构进行管理的，当你注册cityu.edu.hk这个域名时，别人就不能注册了。因此，可以确保域名的唯一性。

（3） 然后浏览器会在真正执行请求时，偷偷地把www.cityu.edu.hk换成ip地址。也就成了:

https://144.214.4.184/media/news

• 端口号

        URL里其实还应该指定端口号。比如：

https://144.214.4.184:443/media/news

        但是，在极个别的情况下可以省略。比如如果协议是http，那么在URL中省略端口号，就会默认访问80端口。如果协议是https，那么省略端口号时就会默认访问443端口。没有为什么，这是互联网刚兴起时，早期约定俗称的东西。其他情况下，端口号通常需要明确指定。

• 路径

        从第一个单斜杠（包含）及其之后，其实就是路径了。它联合前面的协议头、域名共同指定了互联网中的唯一资源（可以是视频、网页、文件或者字符串）。

        在此处，这个/media/news其实就对应香港城市大学的新闻页了。

https://144.214.4.184:443/media/news

        现在我们的浏览器（客户端）已经可以根据IP地址找到服务器了。于是浏览器就向服务器通过网络发送了一条请求。

        服务器上的程序根据URL中的路径寻找相应的文件或者执行某种程序，并将最终的结果返回给客户端。

最终，我们的页面上就能出现相应的内容了。

​​​​​​​1.3  查询参数

        不久，我们发现自己想看更多的新闻，我们想要看第二页。于是在页面最底部的页码条上点了一下2。

        这个时候，我们发现浏览器地址栏里的URL，发生了变动。

        注意问号之后的内容，它是一组由&分隔的键值对，键和值之间用=分隔。？后的异常创，我们通常称它为“查询参数”。

当前的查询参数具有如下含义：

页码 : 1

关键字 : <没给>

        查询参数是对路径的进一步补充描述，它就像是在告诉服务器，我还是要看香港城市大学的新闻业，不过请给我page为1的页面。这个时候，香港城市大学的服务器又往后找了几条新闻，返回到了你的浏览器上。

        那么问题在于，第一次请求的时候好像没给查询参数，香港城市大学为什么知道我要看的是哪一页呢？这其实取决于他们服务器的处理逻辑，现在让我们在下方的页码栏再次点击第一页。

        此时，我们可以看到浏览器地址栏的变化。

        这个时候，查询参数变成了page=0。也就是说，请求/media/news和请求/media/news?keyword=&page=0的结果是一样的。这可以理解为香港城市大学后台程序给page设置了默认值(0)，所以用户不指定这个参数也可以顺利看到内容。但这并不是到哪个网站都通用的，当你指定URL时发送请求时，服务器要给你看什么完全取决于服务器。