socket 以及 Python 实现

2018.04.14

由于 TCP 协议非常复杂，三次握手、累积确认、分组缓存这些应该是属于操作系统内核的部分， 没必要重复开发。操作系统抽象出一个概念，让上层应用去编程。这个概念就是 socket 。

一个完整的 socket 可以看成 (网络层协议，运输层协议， 客户端 IP, 客户端 Port, 服务器 IP, 服务器 Port)。

UDP

recvfrom 返回的数据和地址。
sendto 的参数也是数据和地址。

# 服务器
import socket

s = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
s.bind(('localhost', 8888))
while True:
    data, addr = s.recvfrom(1024)
    print('Received from {}, data: {}'.format(addr, data.decode('utf-8')))
    s.sendto(b'Hello!', addr)

# 客户端
import socket

c = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
c.sendto(b'good!', ('localhost', 8888))
data = c.recv(1024)
print(data.decode('utf-8'))

TCP

比 UDP 多了客户端连接，服务器监听，三次握手。

客户端

import socket

clientfd = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
clientfd.connect(('localhost', 8888))
data = clientfd.recv(1024)
print('Received: ' + data.decode('utf-8'))
clientfd.send(b'Haved Received!')

服务器

import socket

listenfd = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
listenfd.bind(('localhost', 8888))
listenfd.listen()

while True:
    sock, addr = listenfd.accept()
    print('Connected to {}'.format(addr))
    sock.send(b'Hello, socket!')
    data = sock.recv(1024)  
    print('Received: ' + data.decode('utf-8'))

• 这个 aceept 不简单，它与客户端的 connect 完成了三次握手。
• 发送的数据是 bytes 型，接受后要解码。
• sock 才是一个完整的 socket，而 clientfd 与 listenfd 都只是半个 socket。
• listenfd 一般占用 80 端口（http 协议），每个客户端共享服务器这个端口，而每个连接（也就是程序中的 sock）依靠客户端的 IP 和 port 标识。

这是最原始的服务器，它有个严重的弊端：recv 方法，如果客户端一直没有发数据过来，服务器就一直阻塞（block）在那里，于是多进程并发编程出现了。

多进程

思路：当 accept 连接后，创建的新 socket 不在主进程中处理，而是新创建一个子进程进行托管，主进程只负责监听 80 端口、接受连接请求、创建子进程处理。也就是 recv 的锅，accept 来背，哈哈。

但是进程很多，每个进程都消耗大量的系统资源，况且进程间切换也是一笔大消耗。而一个 socket 就是一个文件描述符，是个整数，背后是一个简单的数据结构，用非常重量级的进程来对一个简单的数据结构进行读写，有点杀鸡用牛刀了！于是 select 模型诞生了！

select 模型

缕一缕前面：有两样东西，一个是 http server，另一个是操作系统，多进程是指 http server 占据操作系统的多个进程，并且每个进程遇到 recv 不到数据时就会阻塞。

select 模型思路：现在还是只有 http server 和操作系统，但是现在 http server 只占据操作系统的一个进程。http server 把所有 socket 的 fd （文件描述符）交给操作系统，然后阻塞。虽然还是阻塞，但是现在只是单进程。而操作系统在后台检查这些编号的 socket，如果发现有 socket 可以读写，就把这个 socket 打个标记，然后唤醒 http server，http server 就会遍历所有的 socket，哪个有标记就处理哪个。

但是，很多时候，活跃的 socket 只占少部分，而 http server 不得不遍历所有的 socket，这个不太好。最好的方式就是操作系统直接告诉 http server 哪些 socket 可以读写了，这样 http server 连遍历都不用了，这种方案就叫 epoll 。

epoll 模型

Nginx 采用的就是 epoll 模型，而 Apache 采用的是 select 。