PHP内核探索之变量（5）- session的基本原理

　　session可以说是当前互联网提到的最多的名词之一了。它的含义很宽泛，可以指任何一次完整的事务交互（会话）：如发送一次HTTP请求并接受响应，执行一条SQL语句都可以看做一次Session。如无特殊说明，本文中提到的Session单指HTTP会话。

本文是PHP内核探索的第五篇，主要包含如下几个方面的内容：

背景知识和session基础
PHP中session的原理
参考文献

一、背景知识，session基础

1. HTTP是无状态的

　　我们知道，HTTP协议最初是匿名的、无状态的请求/响应协议。这样简单的设计可以使HTTP协议专注于资源的传输（HTTP是超文本传输协议），从而获得较好的性能。但这种无状态的设计也验证阻碍了交互web应用的发展，典型的如：电商网站需要获取用户的信息，以实现订单、购物车、交易等功能，SNS网站需要获取用户信息并存档，以建立真正的“社交网络”，甚至电影和CD租赁网站，也需要获取用户信息，以提供个性化的推荐，从而带来更好的效益。这意味着，必须要使用某种技术来识别和管理用户信息，Cookie和Session技术便是在这种背景下诞生的。

2. Session与Cookie

说到Session，就不得不提Session的好基友Cookie,因为很多情况下Session依赖于Cookie存储其session_id。而如果要说Session和Cookie的区别，我想大家应该都不陌生，有的同学甚至可以轻松背出如下一些常见的区别：

(1). Cookie是客户端保持状态的解决方案，而Session是服务器端保持状态的技术，因此，Cookie是存储在客户端的，而Session是存储在服务器端的。

(2). 大多数情况下，Session需要使用Cookie做载体，来存放session_id，所以，如果禁用了Cookie，必须要通过其他的手段来获取这个session_id( 例如通过get或者post的方式将session_id传递给服务器 )

(3). Cookie过期和删除只能保证客户端的连接的失效，并不会清除服务器端的Session

(4). 尽管默认情况下,Session和Cookie都是写文件的( Session也可以写数据库或者其他内存缓存如memcached )，但是，Cookie则依赖于浏览器的设定：例如，IE6下限定每个域名下最多20个Cookie，很多浏览器限制Cookie的大小不能超过4096字节。

关于Cookie的更多讨论，已经超出了本文的范畴，需要了解的同学可以参考《HTTP权威指南》和《JavaScript高级程序设计》这两本书，相信一定会对Cookie有更加深入的理解。

3. php中Session的基本操作

php中，Session相关的操作是以扩展的形式提供的 ( 源码目录：PHPSRC/ext/session/ )。PHP提供了大量的、丰富的API来操作Session:



(1). session_start

bool session_start ( void )

　　session_start()用于启动一个会话，一般而言，我们在使用$_SESSION时，都要先调用session_start( 或者你的php.ini中配置了session.auto_start )。那么在session.auto_start=false的情况下，
session_start是不是一定是session操作的第一个必须调用的函数呢？答案是否定的。虽然在一般情况下，我们在需要操作session时，基本上都是将session_start()放在脚本的第一行，但实际上在调用session_start时，Session相关的参数都已经初始化完毕，这之后是无法通过session_name和session_set_cookie_params, session_save_path等函数更改Session的参数信息的。所以，如果需要更改session的相关参数，除了可以在ini文件中更改（或者通过ini_set更改），还可以通过session_name,
session_save_path, session_set_cookie_params等函数修改，且这些函数必须在session_start之前调用。例如：

　　session_start()调用之后，除了要设置Session的基本参数之外，还会以一定的概率启动Session的GC。

(2). session_id()

　　如同数据库中每条记录需要一个主键一样，Session也需要一个id值用于唯一标识一个Client,这个标识便是session_id。函数session_id()用于设置或者更改当前会话的session_id，例如：

在设置了session.save_handler=files的情况下，服务器端是以sess_{session_id}的命名方式来储存Session数据文件的：



　　正常情况下，不同会话的session_id是不会重复的。在已知session_id的情况下，我们可以通过传递session_id的方法来获取Session数据，从而避开Cookie的限制：

　　Session文件存储会有很多问题和瓶颈，关于这一点，之后也会有详细的说明和解释。

(4). session_write_close/session_commit

　　默认情况下，session数据是在当前会话结束时（一般就是指脚本执行完毕时）才会写入文件的，这样会带来一些问题。例如，如果当前脚本执行过长，那么当其他脚本访问同一session_id下的session数据时便会阻塞（这实际上会涉及到文件锁flock，之后会有说明），直到前一脚本执行完毕并写入session文件。可以用sleep来简单模拟这一情况：

　　避免这一情况的一种方法是：在session数据使用完毕之后，调用session_commit或者session_write_close函数通知服务器写入session数据并关闭文件（释放flock的锁）：

注意session_commit和session_write_close只是同一函数的不同别名。

(5). session_destroy

很多同学在会话结束的时候，都是通过unset($_SESSION)的方式来删除会话数据（这与session_unset()的作用类似）。实际上这样并不是稳妥的做法，原因是：unset($_SESSION)只是重置$_SESSION这个全局变量，并不会将session数据从服务器端删除。较为稳妥的做法是，在需要清除当前会话数据的时候调用session_destroy删除服务器端Session数据（同时，最好使Cookie也过期）：

3.　　session的ini配置

由于Session的很多操作依赖于ini中的参数配置，因此我们有必要对此做一个比较全面的了解。php.ini比较重要的Session参数配置包括：

(1). session.save_handler

这个参数用于指定Session的存储方式（实际上是指定了一个处理Session的句柄）。可以是files（文件存储，默认）, user( 用户自定义存储 )，或者其他的扩展方式（如memcache）。

(2). session.save_path

在使用session.save_handler=files的情况下，session.save_path用于指定Session文件存储的目录，如session.save_path= “/tmp”;这种配置下，所有的session文件都是写入一个目录的。这在某些情况下是有问题的（如有的系统单目录下支持的文件数是有限制的，而且，同一目录下文件过多，会造成读取变慢）。session.save_path还支持多级目录hash的方式：session.save_path
= "N;/path"; 这种配置方式会将session文件分散到不同的子目录中，避免单目录文件文件过多。同样，这种配置方式也有较大的问题：如Session的GC是无效的，而且，PHP并不会自动为你创建子目录，需要手动创建或者通过脚本创建。

(3). session.name

在使用Cookie为载体的情况下，session.name指定存储session_id的Cookie的key( cookie中也是基于key=>value)。默认的情况下，session.name= PHPSESSID

,可以更改为任何合法的其他名称。同样，也可以通过session_name函数，在调用session_start之前设置这个key的名称：

抓包可以看到，现在，Cookie中是以新的session.name来传递session_id了，而第一次服务器端的响应中，也会发送Set-Cookie：





(4). session.auto_start

这个参数用于指定是否需要自动开启session，在设置为true的情况下，不需要在脚本中显式的调用session_start(). 如果不是特殊需要，我们并不建议开启session.auto_start.

(5). session.gc_*

主要用于配置session GC的相关参数。关于这点，我们在后面会有详细讲解，这里暂时搁置

(6). session.cookie_*

主要用于配置session的载体cookie的相关参数信息，如cookie的path, lifetime, 域domain等。

关于Session的更多配置，可以参考：
http://cn2.php.net/manual/zh/session.configuration.php

二、 under the hood - PHP中session的原理

现在，我们对Session已经有了一个基本的认识，接下来，我们将更深入的去探讨和挖掘Session的更多细节。这一部分的内容比较枯燥乏味，对于不需要了解Session内部细节的同学，完全可以略过。接下来的部分，如果没有特殊说明，都是指session.save_handler=files的情况。

1. session模块的初始化MINIT

前面我们提到，在php中，Session是以扩展的形式加载的，因此，它也会经历扩展的MINIT -> RINIT -> RSHUTDOWN -> MSHUTDOWN等阶段。PHP_MINIT_FUNCTION和PHP_RINIT_FUNCTION是php启动过程中两个关键点：在php启动时，会依次调用各个扩展模块的PHP_MINIT_FUNCTION来完成各个扩展模块的初始化工作，而PHP_RINIT_FUNCTION则在对模块的请求到来时作一些准备性工作。对于Session而言，PHP_MINIT_FUNCTION主要完成的初始化工作包括(注:不同版本的PHP具体处理过程并不完全相同，如PHP
5.4+提供了SessionHandlerInterface，这样可以通过session_set_save_handler ( SessionHandlerInterface $sessionhandler )的方式自定义Session的处理机制，而不必像之前一样使用冗长的bool session_set_save_handler (
callable $open , callable $close , callable $read , callable $write , callable $destroy , callable $gc [, callable $create_sid ] ))：

(1). 注册$_SESSION超全局变量：

也就是说，$_SESSION超全局变量实际上是在session的MINIT阶段被注册的。

(2). 读取ini文件中的相关配置。

REGISTER_INI_ENTRIES();实际上是一个宏定义：

#define REGISTER_INI_ENTRIES() zend_register_ini_entries(ini_entries, module_number TSRMLS_CC)

因此，实际上是调用zend_register_ini_entries(ini_entries, module_number TSRMLS_CC)。关于ini文件的解析和配置，已经超出了本文的范畴，可以参考这篇文章：http://www.cnblogs.com/driftcloudy/p/4011954.html 。

　　扩展中读取和设置ini的相关配置位于PHP_INI_BEGIN和PHP_INI_END宏之间。对于session而言，实际上包括：

如果在ini文件中没有配置相关的参数项，在session的MINIT阶段，参数会被初始化为默认的值。

(3). 自php 5.4起，php提供了SessionHandler和SessionHandlerInterface这两个Class, 因此还需要对这两个Class做相关的初始化工作。这是通过：

INIT_CLASS_ENTRY(ce, PS_IFACE_NAME, php_session_iface_functions);

和

INIT_CLASS_ENTRY(ce, PS_CLASS_NAME, php_session_class_functions);

来实现的，有兴趣的同学可以查看具体的实现过程，这里不再赘述。

2. session请求时的准备RINIT

PHP_RINIT_FUNCTION(session) 用于完成session请求之时的准备工作，主要包括：

(1). 初始化session相关的全局变量，这是通过php_rinit_session_globals来完成的：

(2). 根据ini的配置查找session.save_handler，从而确定是使用files还是user( 或者是其他的扩展方式)来处理session：

　　确定是user还是files来处理session的逻辑是由_php_find_ps_module来完成的，这个函数会依次查找ps_modules中预定义的module, 一旦查找成功，立即返回：

ps_modules的定义：

而每一个ps_module，实际上是一个struct:

　　这意味着，每一个处理session的mod，不管是files, user还是其他扩展的模块，都应该包含ps_module中定义的字段，分别是：module的名称(s_name), 打开句柄函数(s_open),
关闭句柄函数(s_close), 读取函数(s_read) , 写入函数(s_write), 销毁函数(s_destroy),
gc函数（s_gc），生成session_id的函数（s_create_sid）。例如，对于session.save_handler=files而言，实际上是：

　　很多模块都是以PS_MOD(module_name)的方式定义，上述files的ps_module结构，便是PS_MOD(files)宏展开后的结果：

上述宏定义我们也可以看出，session.save_handler不管是files, user,还是其他的session处理的handler(如memcache, redis等) 生成session_id的算法都是使用php_session_create_id函数来实现的。

我们花费了大量的精力来说session.save_handler， 其实是想说明：原则上，session可以存储在任何可行的存储中的（例如文件，数据库，memcache和redis）,如果你自己开发了一个存储系统，比memcache的性能更好，那么OK， 你只要按照session存储的规范，设置好session.save_handler，不管是你在脚本中提供接口还是使用扩展，可以很方便的操作session数据，是不是很方便？

接着说RINIT的过程。

确定完session的save_handler之后。需要确定serializer, 这个也是必须的。Serializer用于完成session数据的序列化和反序列化，我们在session.save_handler=files的情况下可以看到，session数据并不是直接写入文件的，而是通过一定的序列化机制序列化之后存储到文件的，在读取session数据时需要对文件的内容进行反序列化:

则相应session文件的内容是：

key|s:5:"value"

查找serializer的过程与查找PS(mod)的方式类似：

_php_find_ps_serializer也是在预定义的ps_serializers数组中查找：

同样，每一个serializer都是一个struct:

这时，如果mod不存在（设置的session.save_handler错误）或者serializer不存在，那么直接标记session_status为php_session_disabled，并返回，后面的代码不再执行。否则，确定了mod和serializer，如果设置了session.auto_start，那么就自动开启session:

由于session_start()时，也是调用php_session_start开启session，因此我们捎带着把session_start也一并分析。

3. session_start

　　session_start用于开启或者重用现有的会话，在底层，其实现为：

　　内部是调用php_session_start完成session相关上下文的设置, 其基本步骤是：

(1). 检查当前会话的session状态。

php_session_status用于标志所有可能的会话状态，它是一个enum：

那么可能的情况有：

　　(a).　session_status = php_session_active

　　表明已经开启了session。那么忽略本次的session_start(), 但同时会产生一条警告信息：

A session had already been started - ignoring session_start()

　　(b).　session_status = php_session_ disabled

这种情况可能发生在RINIT的过程中，前面我们看到：

如果session_status = php_session_ disabled， 无法确定session是否真不可用（比如我们在脚本中设置了session_set_save_handler），还要做进一步的分析。查找mod和serializer的过程与RINIT的类似。

　　(c).　session_status = php_session_none

　　在session_status= php_session_ disabled和php_session_none的情况下，都会继续向下执行。

(2). 如果session_id不存在，那么内核会依次尝试下列方法获取session_id（为了方便起见，我们直接使用了$_COOKIE, $_GET, $_POST，实际上这样是不严谨的，因为这些超级全局变量是php内核生成并提供给应用程序的，内核实际上是在全局的symbol_table中查找）

a. $_COOKIE中

b. $_GET中

c. $_POST中

任何一此查找成功都会设置PS(id)，不再继续查找。

(3). 执行php_session_initialize完成session的初始化工作。

注意此时PS(id)依然可能是NULL,这通常发生在第一次访问页面的时候。php_session_initialize完成的主要工作包括：

　　a.　　安全性检查

　　正常情况下，生成的session_id不会包含html标签，单双引号和空白字符的，如果session_id中包含了这些非法的字符，那么很有可能session_id是伪造的。对于这种情况，处理很简单，释放session_id的空间，并标志为NULL，这样与第一次访问页面时的逻辑就基本一致了：

　　b.　　为了稳妥起见，这里再次验证PS(mod)是否存在，如果不存在则返回错误。

　　在PS(mod)存在的情况下，尝试打开句柄(对于session.save_handler=files而言，实际上是打开文件)。

　　c.　　session_id

　　如果session_id不存在，那么会调用相应模块的s_create_sid方法创建相应的session_id。实际上，不管是user, files还是memcache，创建session_id时都是调用的PHPAPI char *php_session_create_id(PS_CREATE_SID_ARGS);有兴趣的同学可以看看生成session_id的算法，比较复杂，由于篇幅问题，这里并不跟踪。

　　d.　　尝试读取数据

　　如果读取失败，则可能原因是session_id是无效的，那么重新尝试c中的步骤，直到读取成功。

在这之前，其实还有一个逻辑：php_session_track_init，用于清除PHP中已经存在的$_SESSION数组（可能是垃圾数据）:

4. session的基本流程

到这里，session_start的流程基本走完了。我们据此总结一下在session.save_handler=files情况下，session的基本流程：

php启动的时候，完成session模块的初始化，其中包含对ini中session参数的处理。
用户请求到达，完成模块的RINIT。如果ini中配置了session.auto_start，或者用户调用session_start，便开启session。
尝试从Cookie, Get, Post中获取session_id， 如果没有获取到，说明这是一个新的session，则调用相应的算法生成session_id。打开对应的session文件。
用户的业务逻辑，大多数情况下会包含对$_SESSION全局变量的操作。这些session数据并不是直接写入文件，而是存在内存中。
调用session_commit或者脚本执行完毕时，session数据写入文件，关闭打开的session文件句柄。如果session_id是以Cookie存储的，那么在服务器端的响应中，还应该发送Set-Cookie的HTTP头，通知客户端存储session_id，之后的每次请求都应该携带这个session_id.

5.　　session文件存储的问题

让我们回到之前提出的问题：在session.save_handler=files的情况下，会有哪些性能问题和瓶颈？

　　a.　　文件锁带来的性能问题

　　前面我们已经提到，如果一个脚本的处理时间过程，且其中包含session的相关操作，那么其他脚本在访问session数据时便会阻塞，直到前一脚本执行完毕，这是为什么呢？在session/mod_files.c中ps_files_open函数中追踪到这样一句：

由于是LOCK_EX（互斥锁）,因而在文件锁定期间，即使是读取文件的数据也是不允许的。这就造成要写入或读取的进程必须等待，直到前一进程释放锁（这通常发生在脚本执行完毕或者用户调用session_commit/session_write_close）。

　　b.　　分布式服务器环境下session共享的问题

session文件存储实际上是存储在服务器的磁盘上的，这样在分布式服务器环境下会造成一定的问题：假如你有a,b,c三台服务器。则用户的多次请求可能按照负载均衡策略定向到不同的服务器，由于服务器之间并没有共享session文件，这在表象看来便发生了session丢失。这虽然可以通过用户粘滞会话解决，但会带来更大的问题：无法服务器的负载均衡，增加了服务器的复杂性

　　c.　　高并发场景下session，大量磁盘I/O

　　基于以上一些原因，在实际应用中，很多都是使用分布式内存缓存memcache或者redis来存储和共享session的。全内存操作使得session操作性能会有更大的提升。

session探索到这里就基本结束了，还有很多问题亟待解决：

session的过期时间
session的gc
session_id的生成算法
session的序列化和反序列化机制
memcache, redis等对session的支持
$_SESSION超全局变量的维护