谈谈网络编程中应用层(基于TCP/UDP)的协议设计


对于初涉网络编程的开发人员来说，在通信协议的设计上一般会有所困惑。一般的网络编程书籍上也较少涉及这方面的内容。估计是觉得太简单了。这块确实是不难，但如果不了解，又很容易出篓子或者绕弯路。下面我就来谈谈基于TCP/UDP的协议设计。

    1、基于TCP的协议设计  

    TCP是基于流的协议。但大部分网络应用一般会有个更小的处理单元，我们称之为帧（FRAME）。
是否分帧

    如上所述，大部分网络应用是需要分帧的。举IM为例，用户登录是一个帧，用户发送文本信息是一个帧。少部分应用可以不需要分帧，比如：echo服务器，接收到什么直接回复即可；转发服务器，同样是接收到数据直接转给目标机器；更常见的情况是一个TCP连接只发送/处理一个请求之后就直接关闭，这种也就没必要分帧了。

   考虑到除了学习网络编程，没人做echo server。所以只要服务端不是一次连接只处理一个请求，或者纯转发，就应该采用分帧的设计。
如何分帧

    注意：帧是业务处理的单元，是具体应用Care的，但这不关TCP的事情！初学者往往认为tcp这端 write一次，tcp那端就会read一次，然后惊呼“粘包”、“丢包”，其实这都是程序处理不当。在这边推荐一本书籍《TCP/IP协议详解卷1》，挺薄的，看完可以减少很多对TCP的错误认识。实际上发送方发送一帧，接收方可能要N次才能读取完成，而且可能同时读到下帧的数据。那要怎么在接收方把一帧数据不多不少的读取出来呢？

   常用做法有两个：基于长度和基于终结符（Delimiter）。基于长度，就是在帧前先发送帧的长度，一般用固定长度的字节来发送此长度，比如2个字节(最大帧长不能大于65535），4个字节。（ps：我也见过使用可变长度的字节来发送此长度，比如netty中的ProtobufVarint32FrameDecoder，看代码那是相当的蛋疼，我觉得完全是折腾自己，强烈不推荐。）使用基于长度的分帧方式，接受方处理流程一般是这样：“读取固定长度的字节 -> 解析出帧长 -> 读取帧长字节 ->
处理帧”。

   基于终结符（Delimiter），最典型的应用就是HTTP协议了，使用/r/n/r/n作为终结符。使用基于终结符的分帧方式，接收方的处理流程一般是这样：“读数据 -> 在读取的数据中定位终结符 -> 没找到，将数据缓存 -> 继续读数据 -> 定位终结符 -> 找到终结符，将终结符之前的数据作为一帧进行处理”。

   使用终结符的方式务必要考虑转义问题，不然在帧的数据中出现终结符，乐子就大了。

   注意不管采用哪种方式，在开发的时候都需要考虑最大帧长的问题。不然如果对方说要发送4G长度的帧（恶意or程序错误），真的去new 4G字节的缓存；或者对方一直发送数据，没有终结符。都可能造成程序内存耗尽。

   一般来说，基于长度的分帧方式。开发更简单，程序执行效率也更高，使用更广泛些。基于终结符也不是一无是处：可读性更好，容易模拟和测试(如用telnet）。下面重点讨论基于长度的分帧方式。
基于长度的的帧设计（length based frame design）

   一般来说，我们会将帧分为帧头（frame header，一般是固定长度）和帧体（frame body，一般是可变长度，也有固定长度的）。如上所述，最简单的帧头只要一个字段——帧长。但在实际应用中，一个典型的帧头可能还有以下字段：

   a）消息类型（message type）：在一个网络应用中，往往有多种类型的帧。比如对于IM，有登陆/登出/发送消息/……。接收方需要根据帧头的消息类型字段，解码出不同种类的消息，交给相应处理模块进行处理。也就是帧的结构是Length-Type-Message，Length-Type可以视为帧头，Message是帧体。消息类型一般也是使用固定长度，比如Length 4个字节，Type 4个字节，那么帧头的长度就是8个字节。接收方处理流程：“读帧头长度字节数据 - 解码帧头获得长度和消息类型
- 读帧体长度字节数据 - 根据消息类型解码消息 - 处理消息”。Length-Type-Message结构的帧设计是使用最广泛的，普适性最好也最精简的设计。

   b）请求序列号（serials）：这个不是必选项，但我觉得对于非echo式的服务（echo式的服务：总是客户端发送请求-服务端针对该请求应答，应答保证严格按照请求顺序），加上这个字段肯定不后悔。这样对于乱序（如果有消息队列后台线程池，很正常）的执行结果，才能够和请求对上号，从而做出正确的处理。一般来说，高性能的服务端要保证响应的严格有序，是比较麻烦和影响性能的。

   c）版本号（version）：很多人这么用，但我觉得大部分情况下这不是个好主意。帧头应该放大部分/全部帧都需要的字段。而版本号可能只有少数包如登录会用到，所以放到登录包体里可能更合适。单独维护每个协议的版本工作量会比较大，开发起来会比较繁琐易错。至于担心解码失败，更好的方式是采用类似Protobuf这种可以向下兼容的编解码方案。

   注意：在帧头设计时应该要尽可能的精简和通用，因为帧头长度是每个帧都需要的额外开销。如果某个字段（如序列号）只有少数帧会使用到，完全可以放在帧体里去。反之，如果某个字段大部分包都有，却不定义在包头，会导致难以统一处理，增加开发工作量。这些需要根据具体业务需求来进行权衡，没有统一的答案。举个例子，Length-Type-Message结构适用于大部分情况，但如果业务要求每个帧都需要表明操作者，在帧头增加UID字段变成Length-Type-UID-Message，程序的开发会更简单。
帧体的设计

    帧体就是字段的集合，举个例子，登录帧体包含用户名、密码这两个字段（只是举例，现实的登录包往往复杂得多）。在帧体设计上，大家往往也是八仙过海各显神通。比如基于XML、json，基于字段Pos（举登录包为例，就先写/读用户名，再写/读密码。这种方式不是太好，很难向下兼容：比如登录包需要在用户名和密码间加一个用户状态，如果服务端/客户端没有同步升级，就会斯巴达）。我甚至见过狂野得离谱的直接使用C struct的，这种脑残到爆：兼容性渣不说，类对齐（可以用pragma pack避免不一致）、byte
order、机器字长都会造成麻烦。

    比较推荐的做法：骚年，用Google Protobuf吧！如果要可读性好，json相比XML更省带宽。

    2、基于UDP的协议设计

   一般来说，UDP的服务器要比TCP简单得多（不过如果要实现基于UDP的可靠消息传输，就当我没说）。而且udp本来就是基于数据包的协议。write/read是可以一一对应的（不考虑丢包），所以不需要有长度字段/终结符。

   但是要注意：为了避免丢包率过高，udp包的长度一般不应该大于1500字节（大概，为了安全起见，我一般保证小于1K嘿），如果数据量较大，就需要分包了，这是比TCP麻烦的地方。

   典型的UDP的协议设计就是：Type-Message。Type长度固定，用于说明消息类型；Message是消息体，和tcp的帧体设计同样即可。