共计 3018 个字符,预计需要花费 8 分钟才能阅读完成。
前言
TCP 是互联网的核心协议之一,鉴于它的重要性,本文将单独介绍它的基础知识,希望能加深您对 TCP 协议的理解。
TCP 协议的作用
互联网由一整套协议构成。TCP 只是其中的一层,有着自己的分工。
TCP 是以太网协议和 IP 协议的上层协议,也是应用层协议的下层协议
最底层的以太网协议(Ethernet)规定了电子信号如何组成数据包(packet),解决了子网内部的点对点通信。
以太网协议解决了局域网的点对点通信
但是,以太网协议不能解决多个局域网如何互通,这由 IP 协议解决。
IP 协议可以连接多个局域网
IP 协议定义了一套自己的地址规则,称为 IP 地址。它实现了路由功能,允许某个局域网的 A 主机,向另一个局域网的 B 主机发送消息。
路由器就是基于 IP 协议。局域网之间要靠路由器连接
路由的原理很简单。市场上所有的路由器,背后都有很多网口,要接入多根网线。路由器内部有一张路由表,规定了 A 段 IP 地址走出口一,B 段地址走出口二,…… 通过这套 ” 指路牌 ”,实现了数据包的转发。
本机的路由表注明了不同 IP 目的地的数据包,要发送到哪一个网口(interface)
IP 协议只是一个地址协议,并不保证数据包的完整。如果路由器丢包(比如缓存满了,新进来的数据包就会丢失),就需要发现丢了哪一个包,以及如何重新发送这个包。这就要依靠 TCP 协议。
简单说,TCP 协议的作用是,保证数据通信的完整性和可靠性,防止丢包
TCP 数据包的大小
以太网数据包(packet)的大小是固定的,最初是 1518 字节,后来增加到 1522 字节。
其中,1500 字节是负载(payload),22 字节是头信息(head)。
IP 数据包在以太网数据包的负载里面,它也有自己的头信息,最少需要 20 字节,所以 IP 数据包的负载最多为 1480 字节。
IP 数据包在以太网数据包里面,TCP 数据包在 IP 数据包里面
TCP 数据包在 IP 数据包的负载里面。
它的头信息最少也需要 20 字节,因此 TCP 数据包的最大负载是 1480 – 20 = 1460 字节。
由于 IP 和 TCP 协议往往有额外的头信息,所以 TCP 负载实际为 1400 字节左右。因此,一条 1500 字节的信息需要两个 TCP 数据包。HTTP/2 协议的一大改进,就是压缩 HTTP 协议的头信息,使得一个 HTTP 请求可以放在一个 TCP 数据包里面,而不是分成多个,这样就提高了速度。
以太网数据包的负载是 1500 字节,TCP 数据包的负载在 1400 字节左右
TCP 数据包的编号(SEQ)
一个包 1400 字节,那么一次性发送大量数据,就必须分成多个包。
比如,一个 10MB 的文件,需要发送 7100 多个包。发送的时候,TCP 协议为每个包编号(sequence number,简称 SEQ),以便接收的一方按照顺序还原。万一发生丢包,也可以知道丢失的是哪一个包。
第一个包的编号是一个随机数。为了便于理解,这里就把它称为 1 号包。
假定这个包的负载长度是 100 字节,那么可以推算出下一个包的编号应该是 101。这就是说,每个数据包都可以得到两个编号:自身的编号,以及下一个包的编号。接收方由此知道,应该按照什么顺序将它们还原成原始文件
当前包的编号是 45943,下一个数据包的编号是 46183,由此可知,这个包的负载是 240 字节
TCP 数据包的组装
收到 TCP 数据包以后,组装还原是操作系统完成的。
应用程序不会直接处理 TCP 数据包。对于应用程序来说,不用关心数据通信的细节。
除非线路异常,收到的总是完整的数据。应用程序需要的数据放在 TCP 数据包里面,有自己的格式(比如 HTTP 协议)。
TCP 并没有提供任何机制,表示原始文件的大小,这由应用层的协议来规定。比如,HTTP 协议就有一个头信息 Content-Length,表示信息体的大小。对于操作系统来说,就是持续地接收 TCP 数据包,将它们按照顺序组装好,一个包都不少。
操作系统不会去处理 TCP 数据包里面的数据。一旦组装好 TCP 数据包,就把它们转交给应用程序。TCP 数据包里面有一个端口(port)参数,就是用来指定转交给监听该端口的应用程序。
系统根据 TCP 数据包里面的端口,将组装好的数据转交给相应的应用程序。上图中,21 端口是 FTP 服务器,25 端口是 SMTP 服务,80 端口是 Web 服务器。
应用程序收到组装好的原始数据,以浏览器为例,就会根据 HTTP 协议的 Content-Length 字段正确读出一段段的数据。这也意味着,一次 TCP 通信可以包括多个 HTTP 通信。
慢启动和 ACK
服务器发送数据包,当然越快越好,最好一次性全发出去。但是,发得太快,就有可能丢包。带宽小、路由器过热、缓存溢出等许多因素都会导致丢包。线路不好的话,发得越快,丢得越多。
最理想的状态是,在线路允许的情况下,达到最高速率。但是我们怎么知道,对方线路的理想速率是多少呢?答案就是慢慢试。
TCP 协议为了做到效率与可靠性的统一,设计了一个慢启动(slow start)机制。
开始的时候,发送得较慢,然后根据丢包的情况,调整速率:如果不丢包,就加快发送速度;如果丢包,就降低发送速度。
Linux 内核里面设定了(常量 TCP_INIT_CWND),刚开始通信的时候,发送方一次性发送 10 个数据包,即 ” 发送窗口 ” 的大小为 10。然后停下来,等待接收方的确认,再继续发送。
默认情况下,接收方每收到两个 TCP 数据包,就要发送一个确认消息。” 确认 ” 的英语是 acknowledgement,所以这个确认消息就简称 ACK。
ACK 携带两个信息:
期待要收到下一个数据包的编号;
接收方的接收窗口的剩余容量。
发送方有了这两个信息,再加上自己已经发出的数据包的最新编号,就会推测出接收方大概的接收速度,从而降低或增加发送速率。这被称为 ” 发送窗口 ”,这个窗口的大小是可变的。
每个 ACK 都带有下一个数据包的编号,以及接收窗口的剩余容量,双方都会发送 ACK
注意:由于 TCP 通信是双向的,所以双方都需要发送 ACK。两方的窗口大小,很可能是不一样的。而且 ACK 只是很简单的几个字段,通常与数据合并在一个数据包里面发送。
上图一共 4 次通信。第一次通信,A 主机发给 B 主机的数据包编号是 1,长度是 100 字节,因此第二次通信 B 主机的 ACK 编号是 1 + 100 = 101,第三次通信 A 主机的数据包编号也是 101。同理,第二次通信 B 主机发给 A 主机的数据包编号是 1,长度是 200 字节,因此第三次通信 A 主机的 ACK 是 201,第四次通信 B 主机的数据包编号也是 201。
即使对于带宽很大、线路很好的连接,TCP 也总是从 10 个数据包开始慢慢试,过了一段时间以后,才达到最高的传输速率。这就是 TCP 的慢启动
数据包的遗失处理
TCP 协议可以保证数据通信的完整性,这是怎么做到的?
前面说过,每一个数据包都带有下一个数据包的编号。如果下一个数据包没有收到,那么 ACK 的编号就不会发生变化。
举例来说,现在收到了 4 号包,但是没有收到 5 号包。ACK 就会记录,期待收到 5 号包。过了一段时间,5 号包收到了,那么下一轮 ACK 会更新编号。如果 5 号包还是没收到,但是收到了 6 号包或 7 号包,那么 ACK 里面的编号不会变化,总是显示 5 号包。这会导致大量重复内容的 ACK。
如果发送方发现收到三个连续的重复 ACK,或者超时了还没有收到任何 ACK,就会确认丢包,即 5 号包遗失了,从而再次发送这个包。
通过这种机制,TCP 保证了不会有数据包丢失。
Host B 没有收到 100 号数据包,会连续发出相同的 ACK,触发 Host A 重发 100 号数据包