淺談瀏覽器http的緩存機制
針對瀏覽器的http緩存的分析也算是老生常談了，每隔一段時間就會冒出一篇不錯的文章，其原理也是各大公司面試時幾乎必考的問題。
之所以還寫一篇這樣的文章，是因為近期都在搞新技術(shù)，想“回歸”下基礎(chǔ)，也希望盡量總結(jié)的更詳盡些。
那么你是否還需要閱讀本篇文章呢?可以試著回答下面這個問題：
我們在訪問百度首頁的時候，會發(fā)現(xiàn)不管怎么刷新頁面，靜態(tài)資源基本都是返回 200(from cache)：
隨便點開一個靜態(tài)資源是醬的：
哎喲有Response報頭數(shù)據(jù)呢，看來服務(wù)器也正常返回了etag什么鬼的應(yīng)有盡有，那狀態(tài)200不是應(yīng)該對應(yīng)的非緩存狀態(tài)么?要from cache的話不是應(yīng)該返回304才合理么?
難道是度娘的服務(wù)器故障了嗎?
如果你知道答案，那就可以忽略本文了。
http報文中與緩存相關(guān)的首部字段
我們先來瞅一眼RFC2616規(guī)定的47種http報文首部字段中與緩存相關(guān)的字段，事先了解一下能讓咱在心里有個底：
1. 通用首部字段(就是請求報文和響應(yīng)報文都能用上的字段)
2. 請求首部字段
3. 響應(yīng)首部字段
4. 實體首部字段
后續(xù)大體也會依次介紹它們。
場景模擬
為方便模擬各種緩存效果，我們建個非常簡單的場景。
1. 頁面文件
我們建個非常簡單的html頁面，上面只有一個本地樣式文件和圖片：
- <!DOCTYPE html>
- <html>
- <head>
- <title>緩存測試</title>
- <link rel="stylesheet" href="css/reset.css">
- </head>
- <body>
- <h1>哥只是一個標題</h1>
- <p><img src="img/dog.jpg" /></p>
- </body>
- </html>
2. 首部字段修改
有時候一些瀏覽器會自行給請求首部加上一些字段(如chrome使用F5會強制加上“cache-control:max-age=0”),會覆蓋掉一些字段(比如pragma)的功能;另外有時候我們希望服務(wù)器能多/少返回一些響應(yīng)字段。
這種情況我們就希望可以手動來修改請求或響應(yīng)報文上的內(nèi)容了。那么如何實現(xiàn)呢?這里我們使用Fiddler來完成任務(wù)。
在Fiddler中我們可以通過“bpu XXX”指令來攔截指定請求，然后手動修改請求內(nèi)容再發(fā)給服務(wù)器、修改響應(yīng)內(nèi)容再發(fā)給客戶端。
以我們的example為例，頁面文件走nginx通過 http://localhost/ 可直接訪問，所以我們直接執(zhí)行“bpu localhost”攔截所有地址中帶有該字樣的請求：
點擊被攔截的請求，可以在右欄直接修改報文內(nèi)容(上半?yún)^(qū)域是請求報文，下半?yún)^(qū)域是響應(yīng)報文)，點擊黃色的“Break on Response”按鈕可以執(zhí)行下一步(把請求發(fā)給服務(wù)器)，點擊綠色的按鈕“Run to Completion”可以直接完成整個請求過程：
通過這個方法我們可以很輕松地模擬出各種http緩存場景。
3. 瀏覽器的強制策略
如上述，當下大多數(shù)瀏覽器在點擊刷新按鈕或按F5時會自行加上“Cache-Control:max-age=0”請求字段，所以我們先約定成俗——后文提及的“刷新”多指的是選中url地址欄并按回車鍵(這樣不會被強行加上Cache-Control)。
事實上有的瀏覽器還有一些更奇怪的行為，在后續(xù)我們回答文章開頭問題的時候會提到。
石器時代的緩存方式
在 http1.0 時代，給客戶端設(shè)定緩存方式可通過兩個字段——“Pragma”和“Expires”來規(guī)范。雖然這兩個字段早可拋棄，但為了做http協(xié)議的向下兼容，你還是可以看到很多網(wǎng)站依舊會帶上這兩個字段。
1. Pragma
當該字段值為“no-cache”的時候(事實上現(xiàn)在RFC中也僅標明該可選值)，會知會客戶端不要對該資源讀緩存，即每次都得向服務(wù)器發(fā)一次請求才行。
Pragma屬于通用首部字段，在客戶端上使用時，常規(guī)要求我們往html上加上這段meta元標簽(而且可能還得做些hack放到body后面去)：
- <meta http-equiv="Pragma" content="no-cache">
它告訴瀏覽器每次請求頁面時都不要讀緩存，都得往服務(wù)器發(fā)一次請求才行。
BUT!!! 事實上這種禁用緩存的形式用處很有限：
1. 僅有IE才能識別這段meta標簽含義，其它主流瀏覽器僅能識別“Cache-Control: no-store”的meta標簽(見出處)。
2. 在IE中識別到該meta標簽含義，并不一定會在請求字段加上Pragma，但的確會讓當前頁面每次都發(fā)新請求(僅限頁面，頁面上的資源則不受影響)。
做了測試后發(fā)現(xiàn)也的確如此，這種客戶端定義Pragma的形式基本沒起到多少作用。
不過如果是在響應(yīng)報文上加上該字段就不一樣了：
如上圖紅框部分是再次刷新頁面時生成的請求，這說明禁用緩存生效，預(yù)計瀏覽器在收到服務(wù)器的Pragma字段后會對資源進行標記，禁用其緩存行為，進而后續(xù)每次刷新頁面均能重新發(fā)出請求而不走緩存。
2. Expires
有了Pragma來禁用緩存，自然也需要有個東西來啟用緩存和定義緩存時間，對http1.0而言，Expires就是做這件事的首部字段。
Expires的值對應(yīng)一個GMT(格林尼治時間)，比如“Mon, 22 Jul 2002 11:12:01 GMT”來告訴瀏覽器資源緩存過期時間，如果還沒過該時間點則不發(fā)請求。
在客戶端我們同樣可以使用meta標簽來知會IE(也僅有IE能識別)頁面(同樣也只對頁面有效，對頁面上的資源無效)緩存時間：
<meta http-equiv="expires" content="mon, 18 apr 2016 14:30:00 GMT">
如果希望在IE下頁面不走緩存，希望每次刷新頁面都能發(fā)新請求，那么可以把“content”里的值寫為“-1”或“0”。
注意的是該方式僅僅作為知會IE緩存時間的標記，你并不能在請求或響應(yīng)報文中找到Expires字段。
如果是在服務(wù)端報頭返回Expires字段，則在任何瀏覽器中都能正確設(shè)置資源緩存的時間：
在上圖里，緩存時間設(shè)置為一個已過期的時間點(見紅框)，則刷新頁面將重新發(fā)送請求(見藍框)。
那么如果Pragma和Expires一起上陣的話，聽誰的?我們試一試就知道了：
我們通過Pragma禁用緩存，又給Expires定義一個還未到期的時間(紅框)，刷新頁面時發(fā)現(xiàn)均發(fā)起了新請求(藍框)，這意味著Pragma字段的優(yōu)先級會更高。
BUT，響應(yīng)報文中Expires所定義的緩存時間是相對服務(wù)器上的時間而言的，如果客戶端上的時間跟服務(wù)器上的時間不一致(特別是用戶修改了自己電腦的系統(tǒng)時間)，那緩存時間可能就沒啥意義了。
Cache-Control
針對上述的“Expires時間是相對服務(wù)器而言，無法保證和客戶端時間統(tǒng)一”的問題，http1.1新增了 Cache-Control 來定義緩存過期時間，若報文中同時出現(xiàn)了 Pragma、Expires 和 Cache-Control，會以 Cache-Control 為準。
Cache-Control也是一個通用首部字段，這意味著它能分別在請求報文和響應(yīng)報文中使用。在RFC中規(guī)范了 Cache-Control 的格式為：
"Cache-Control" ":" cache-directive
作為請求首部時，cache-directive 的可選值有：
作為響應(yīng)首部時，cache-directive 的可選值有：
我們依舊可以在HTML頁面加上meta標簽來給請求報頭加上 Cache-Control 字段：
另外 Cache-Control 允許自由組合可選值，例如：
Cache-Control: max-age=3600, must-revalidate
它意味著該資源是從原服務(wù)器上取得的，且其緩存(新鮮度)的有效時間為一小時，在后續(xù)一小時內(nèi)，用戶重新訪問該資源則無須發(fā)送請求。
當然這種組合的方式也會有些限制，比如 no-cache 就不能和 max-age、min-fresh、max-stale 一起搭配使用。
組合的形式還能做一些瀏覽器行為不一致的兼容處理。例如在IE我們可以使用 no-cache 來防止點擊“后退”按鈕時頁面資源從緩存加載，但在 Firefox 中，需要使用 no-store 才能防止歷史回退時瀏覽器不從緩存中去讀取數(shù)據(jù)，故我們在響應(yīng)報頭加上如下組合值即可做兼容處理：
Cache-Control: no-cache, no-store
緩存校驗字段
上述的首部字段均能讓客戶端決定是否向服務(wù)器發(fā)送請求，比如設(shè)置的緩存時間未過期，那么自然直接從本地緩存取數(shù)據(jù)即可(在chrome下表現(xiàn)為200 from cache)，若緩存時間過期了或資源不該直接走緩存，則會發(fā)請求到服務(wù)器去。
我們現(xiàn)在要說的問題是，如果客戶端向服務(wù)器發(fā)了請求，那么是否意味著一定要讀取回該資源的整個實體內(nèi)容呢?
我們試著這么想——客戶端上某個資源保存的緩存時間過期了，但這時候其實服務(wù)器并沒有更新過這個資源，如果這個資源數(shù)據(jù)量很大，客戶端要求服務(wù)器再把這個東西重新發(fā)一遍過來，是否非常浪費帶寬和時間呢?
答案是肯定的，那么是否有辦法讓服務(wù)器知道客戶端現(xiàn)在存有的緩存文件，其實跟自己所有的文件是一致的，然后直接告訴客戶端說“這東西你直接用緩存里的就可以了，我這邊沒更新過呢，就不再傳一次過去了”。
為了讓客戶端與服務(wù)器之間能實現(xiàn)緩存文件是否更新的驗證、提升緩存的復(fù)用率，Http1.1新增了幾個首部字段來做這件事情。
1. Last-Modified
服務(wù)器將資源傳遞給客戶端時，會將資源最后更改的時間以“Last-Modified: GMT”的形式加在實體首部上一起返回給客戶端。
客戶端會為資源標記上該信息，下次再次請求時，會把該信息附帶在請求報文中一并帶給服務(wù)器去做檢查，若傳遞的時間值與服務(wù)器上該資源最終修改時間是一致的，則說明該資源沒有被修改過，直接返回304狀態(tài)碼即可。
至于傳遞標記起來的最終修改時間的請求報文首部字段一共有兩個：
⑴ If-Modified-Since: Last-Modified-value
示例為 If-Modified-Since: Thu, 31 Mar 2016 07:07:52 GMT
該請求首部告訴服務(wù)器如果客戶端傳來的最后修改時間與服務(wù)器上的一致，則直接回送304 和響應(yīng)報頭即可。
當前各瀏覽器均是使用的該請求首部來向服務(wù)器傳遞保存的 Last-Modified 值。
⑵ If-Unmodified-Since: Last-Modified-value
告訴服務(wù)器，若Last-Modified沒有匹配上(資源在服務(wù)端的最后更新時間改變了)，則應(yīng)當返回412(Precondition Failed) 狀態(tài)碼給客戶端。
當遇到下面情況時，If-Unmodified-Since 字段會被忽略：
1. Last-Modified值對上了(資源在服務(wù)端沒有新的修改);
2. 服務(wù)端需返回2XX和412之外的狀態(tài)碼;
3. 傳來的指定日期不合法
Last-Modified 說好卻也不是特別好，因為如果在服務(wù)器上，一個資源被修改了，但其實際內(nèi)容根本沒發(fā)生改變，會因為Last-Modified時間匹配不上而返回了整個實體給客戶端(即使客戶端緩存里有個一模一樣的資源)。
2. ETag
為了解決上述Last-Modified可能存在的不準確的問題，Http1.1還推出了 ETag 實體首部字段。
服務(wù)器會通過某種算法，給資源計算得出一個唯一標志符(比如md5標志)，在把資源響應(yīng)給客戶端的時候，會在實體首部加上“ETag: 唯一標識符”一起返回給客戶端。
客戶端會保留該 ETag 字段，并在下一次請求時將其一并帶過去給服務(wù)器。服務(wù)器只需要比較客戶端傳來的ETag跟自己服務(wù)器上該資源的ETag是否一致，就能很好地判斷資源相對客戶端而言是否被修改過了。
如果服務(wù)器發(fā)現(xiàn)ETag匹配不上，那么直接以常規(guī)GET 200回包形式將新的資源(當然也包括了新的ETag)發(fā)給客戶端;如果ETag是一致的，則直接返回304知會客戶端直接使用本地緩存即可。
那么客戶端是如何把標記在資源上的 ETag 傳去給服務(wù)器的呢?請求報文中有兩個首部字段可以帶上 ETag 值：
⑴ If-None-Match: ETag-value
示例為 If-None-Match: "56fcccc8-1699"
告訴服務(wù)端如果 ETag 沒匹配上需要重發(fā)資源數(shù)據(jù)，否則直接回送304 和響應(yīng)報頭即可。
當前各瀏覽器均是使用的該請求首部來向服務(wù)器傳遞保存的 ETag 值。
⑵ If-Match: ETag-value
告訴服務(wù)器如果沒有匹配到ETag，或者收到了“*”值而當前并沒有該資源實體，則應(yīng)當返回412(Precondition Failed) 狀態(tài)碼給客戶端。否則服務(wù)器直接忽略該字段。
If-Match 的一個應(yīng)用場景是，客戶端走PUT方法向服務(wù)端請求上傳/更替資源，這時候可以通過 If-Match 傳遞資源的ETag。
需要注意的是，如果資源是走分布式服務(wù)器(比如CDN)存儲的情況，需要這些服務(wù)器上計算ETag唯一值的算法保持一致，才不會導(dǎo)致明明同一個文件，在服務(wù)器A和服務(wù)器B上生成的ETag卻不一樣。
如果 Last-Modified 和 ETag 同時被使用，則要求它們的驗證都必須通過才會返回304，若其中某個驗證沒通過，則服務(wù)器會按常規(guī)返回資源實體及200狀態(tài)碼。
緩存實踐
當我們在一個項目上做http緩存的應(yīng)用時，我們還是會把上述提及的大多數(shù)首部字段均使用上，例如使用 Expires 來兼容舊的瀏覽器，使用 Cache-Control 來更精準地利用緩存，然后開啟 ETag 跟 Last-Modified 功能進一步復(fù)用緩存減少流量。
那么這里會有一個小問題——Expires 和 Cache-Control 的值應(yīng)設(shè)置為多少合適呢?
答案是不會有過于精準的值，均需要進行按需評估。
例如頁面鏈接的請求常規(guī)是無須做長時間緩存的，從而保證回退到頁面時能重新發(fā)出請求，百度首頁是用的 Cache-Control:private，騰訊首頁則是設(shè)定了60秒的緩存，即 Cache-Control:max-age=60。
而靜態(tài)資源部分，特別是圖片資源，通常會設(shè)定一個較長的緩存時間，而且這個時間最好是可以在客戶端靈活修改的。以騰訊的某張圖片為例：
http://i.gtimg.cn/vipstyle/vipportal/v4/img/common/logo.png?max_age=2592000
客戶端可以通過給圖片加上“max_age”的參數(shù)來定義服務(wù)器返回的緩存時間：
當然這需要有一個前提——靜態(tài)資源能確保長時間不做改動。如果一個腳本文件響應(yīng)給客戶端并做了長時間的緩存，而服務(wù)端在近期修改了該文件的話，緩存了此腳本的客戶端將無法及時獲得新的數(shù)據(jù)。
解決該困擾的辦法也簡單——把服務(wù)側(cè)ETag的那一套也搬到前端來用——頁面的靜態(tài)資源以版本形式發(fā)布，常用的方法是在文件名或參數(shù)帶上一串md5或時間標記符：
https://hm.baidu.com/hm.js?e23800c454aa573c0ccb16b52665ac26
http://tb1.bdstatic.com/tb/_/tbean_safe_ajax_94e7ca2.js
http://img1.gtimg.com/ninja/2/2016/04/ninja145972803357449.jpg
如果文件被修改了，才更改其標記符內(nèi)容，這樣能確保客戶端能及時從服務(wù)器收取到新修改的文件。
關(guān)于開頭的問題
現(xiàn)在回過頭來看文章開頭的問題，可能會覺得答案很容易回答出來。
百度首頁的資源在刷新后實際沒有發(fā)送任何請求，因為 Cache-Control 定義的緩存時間段還沒到期。在Chrome中即使沒發(fā)送請求，但只要從本地的緩存中取，都會在Network面板顯示一條狀態(tài)為200且注明“from cache”的偽請求，其Response內(nèi)容只是上一次回包留下的數(shù)據(jù)。
然而這并不是問題的全部答案，我們前面提到過，在Chrome中如果點擊“刷新”按鈕，Chrome會強制給所有資源加上“Cache-Control: max-age=0”的請求首部并向服務(wù)器發(fā)送驗證請求的，而在文章開頭的動圖中，我們的確點擊了“刷新”按鈕，卻不見瀏覽器發(fā)去新請求(并返回304)。
關(guān)于這個問題其實在組內(nèi)跟小伙伴們討論過，通過Fiddler抓包發(fā)現(xiàn)，如果關(guān)閉Chrome的開發(fā)者面板再點擊“刷新”按鈕，瀏覽器是會按預(yù)期發(fā)送驗證請求且接收返回的304響應(yīng)的，另外這個奇怪的情況在不同的網(wǎng)站甚至不同的電腦下出現(xiàn)頻率都不一致，所以暫時將其歸咎于瀏覽器的怪異反應(yīng)。
那么有這么一個問題——是否有辦法在瀏覽器點擊“刷新”按鈕的時候不讓瀏覽器去發(fā)新的驗證請求呢?
辦法還是有的，就是不怎么實用——在頁面加載完畢后通過腳本動態(tài)地添加資源：
- $(window).load(function() {
- var bg='http://img.infinitynewtab.com/wallpaper/100.jpg';
- setTimeout(function() { //setTimeout是必須的
- $('#bgOut').css('background-image', 'url('+bg+')');
- },0);
- });
出處來自知乎，更具體的解釋可以去看看。
其它相關(guān)的首部字段
事實上較常用和重要的緩存相關(guān)字段我們都介紹完了，這里順帶講講幾個跟緩存有關(guān)系，但沒那么主要的響應(yīng)首部字段。
1. Vary
“vary”本身是“變化”的意思，而在http報文中更趨于是“vary from”(與。。。不同)的含義，它表示服務(wù)端會以什么基準字段來區(qū)分、篩選緩存版本。
我們先考慮這么一個問題——在服務(wù)端有著這么一個地址，如果是IE用戶則返回針對IE開發(fā)的內(nèi)容，否則返回另一個主流瀏覽器版本的內(nèi)容。這很簡單，服務(wù)端獲取到請求的 User-Agent 字段做處理即可。但是用戶請求的是代理服務(wù)器而非原服務(wù)器，且代理服務(wù)器如果直接把緩存的IE版本資源發(fā)給了非IE的客戶端，這就出問題了。
因此 Vary 便是著手處理該問題的首部字段，我們可以在響應(yīng)報文加上：
- Vary: User-Agent
便能知會代理服務(wù)器需要以 User-Agent 這個請求首部字段來區(qū)別緩存版本，防止傳遞給客戶端的緩存不正確。
Vary 也接受條件組合的形式：
- Vary: User-Agent, Accept-Encoding
這意味著服務(wù)器應(yīng)以 User-Agent 和 Accept-Encoding 兩個請求首部字段來區(qū)分緩存版本。
2. Date 和 Age
HTTP并沒有提供某種方法來幫用戶區(qū)分其收到的資源是否命中了代理服務(wù)器的緩存，但在客戶端我們可以通過計算響應(yīng)報文中的 Date 和 Age 字段來得到答案。
Date 理所當然是原服務(wù)器發(fā)送該資源響應(yīng)報文的時間(GMT格式)，如果你發(fā)現(xiàn) Date 的時間與“當前時間”差別較大，或者連續(xù)F5刷新發(fā)現(xiàn) Date 的值都沒變化，則說明你當前請求是命中了代理服務(wù)器的緩存。
上述的“當前時間”自然是相對于原服務(wù)器而言的時間，那么如何獲悉原服務(wù)器的當前時間呢?
常規(guī)從頁面地址請求的響應(yīng)報文中可獲得，以博客園首頁為例：
每次你刷新頁面，瀏覽器都會重新發(fā)出這條url的請求，你會發(fā)現(xiàn)其 Date 值是不斷變化的，這說明該鏈接沒有命中緩存，都是從原服務(wù)器返回過來的數(shù)據(jù)。
因此我們可以拿頁面上其它靜態(tài)資源請求回包中的 Date 與其進行對比，若靜態(tài)資源的 Date 早于原服務(wù)端時間，則說明命中了代理服務(wù)器緩存。
通常還滿足這么個條件：
靜態(tài)資源Age + 靜態(tài)資源Date = 原服務(wù)端Date
這里的 Age 也是響應(yīng)報文中的首部字段，它表示該文件在代理服務(wù)器中存在的時間(秒)，如文件被修改或替換，Age會重新由0開始累計。
我們在上面那張博客園首頁報文截圖的同個場景下，看看某個文件(jQuery.js)命中代理服務(wù)器緩存的回包數(shù)據(jù)：
會發(fā)現(xiàn)它滿足我們上述的規(guī)則：
- //return true
- new Date('Mon, 04 Apr 2016 07:03:17 GMT')/1000 == new Date('Sat, 19 Dec 2015 01:29:14 GMT')/1000 + 9264843
不過這條規(guī)則也不一定準確，特別是當原服務(wù)器經(jīng)常修改系統(tǒng)時間的情況下。
關(guān)于http緩存原理的知識就整理到這，希望能讓你有所收獲，共勉~
