lighttpd-1.4.39 : mod_staticfile

http://www.cnblogs.com/kernel_hcy/archive/2010/04/07/1706587.html

前面大概的介绍了一下lighttpd的状态机。在这篇中，将通过状态机，看看lighttpd到底是怎样处理连接请求的。

在本篇中，我们只介绍lighttpd的最基本功能──处理静态页面。lighttpd处理静态页面要使用mod_staticfile.c插件。从名字中也可以看出是用来处理静态文件的。另外这个插件在配置文件中没有配置，是lighttpd默认会加载的。

首先，连接建立以后，连接进入CON_STATE_REQUEST_START状态。在这个状态中，服务器仅仅是记录了做一些标记，如记录连接开始的时间，读操作发呆的时间等。接着，连接就进入了CON_STATE_READ状态。

在READ状态中，服务器从连接读取HTTP头并存放在con->requeset.request。在读取过程中，可能一次调用没有读取全部的数据，连接的状态继续停留在READ，然后，继续等待剩下的数据可读。由于这个连接同时也在作业队列中，在对作业队列进行处理的时候，依然会调用connecion_handle_read_state函数进行处理，不过，函数中通过con->is_readable来判断是否有数据可读，如果没有，则只是处理一下以前已经读取的数据。数据读取完毕之后，连接进入CON_STATE_REQUEST_END状态。

在REQUEST_END状态中，主要就是调用了http_request_parse函数。从函数名字就可以看出来是在解析request请求。request的请求格式如下：

HTTP Request Message的格式：

---

| methods |sp| URL |sp| Version |\r|\n| —–> Request line (Request)

---

| header field name: |sp| value |\r|\n| -]

————————————— ]

// … |—> Header lines (Option)

————————————— ]

| header field name: |sp| value |\r|\n| -]

---

|\r|\n| —–> blank

---

| |

| Data… | —–> Entity body

| |

---

不熟悉的可以看看RFC2616。

函数首先解析Request line，解析出来的结果分贝存放在：con->request.http_method， con->request.http_version和con->request.uri

前两个变量都是枚举类型，后一个是个buffer。程序的第一个for循环解析完request line后，进入第二个for循环，这个循环很长，但做的工作很简单。就是分析header lines。在找到一个header field name以后，就和所有已经定义的field name比较，看看是哪个。确定之后，就将field name和value保存到con->request.headers中。request.headers是一个array类型变量，存放的是data_string类型数据。其中，data_string的key是filed name，value就是field的成员。解析完之后做一些检查工作。最后，判断此次连接是否有POST数据，如果有则读取POST数据，否则进入HANDLE_REQUEST。

在阅读这个函数的时候，读者可参考RFC2616中的规定。

在这里，我们假设有POST数据要读。这时候，连接进入READ_POST状态。其实，READ_POST状态的处理和READ状态一样，在connection_state_mechine函数中，可以看到这两个switch分支一样。主要区别是在connection_handle_read_state函数中。connection_handle_read_state函数的前半部分读取数据，大家都一样，在后面处理数据的时候是分开的。对于读取POST数据，由于数据可能很大，这时候可能会用到临时文件来存储。在程序中，作者对于小于64k的数据，直接存储在buffer中，如果大于64k则存储在临时文件中。在向临时文件写数据的时候，每个临时文件只写1M的数据。数据大于1M就在打开一个临时文件。POST数据保存在con->requeset_content_queue,这是一个chunkqueue类型的成员变量，它是chunk结构体的链表，定义如下：

 typedef struct
{

        chunk *first;
        chunk *last;
        /**
        * 这个unused的chunk是一个栈的形式。
        * 这个指针指向栈顶，而chunk中的next指针则将栈连 接起来。
        */
        chunk *unused;
        size_t unused_chunks;
        array *tempdirs;
        off_t bytes_in, bytes_out;
} chunkqueue;

unused成员也是一个链表，不过这个链表是栈的形式，unused指向栈顶。这个栈用来存储不用的chunk结构体，如果需要chunk，则先从这个栈中查找有无空闲的。也就是看栈顶是否是NULL。如果chunk不使用了，可以加到栈顶。这样可以减少内存分配的时间，提高程序的效率。这时一个很通用的小技巧。unused_chunks标记栈中有多少数据。

first和last分别指向链表的开头和结尾。

chunk的定义如下：

typedef struct chunk
{

        enum { UNUSED_CHUNK, MEM_CHUNK, FILE_CHUNK } type;
        /* 内存中的存储块或预读缓存 */
        buffer *mem;
        /* either the storage of the mem-chunk or the read-ahead buffer */
        struct
        {
                /*
                * filechunk 文件块
                */

                buffer *name;/* name of the file */
                off_t start;/* starting offset in the file */
                off_t length;/* octets to send from the starting offset */

                int fd;
                struct
                {
                        char *start;/* the start pointer of the mmap'ed area */
                        size_t length;/* size of the mmap'ed area */
                        off_t offset;     /* start is <n> octet away from the start of the file */
                } mmap;
                int is_temp;/* file is temporary and will be
                deleted if on cleanup */

        } file;
        off_t offset;/* octets sent from this chunk the size of the
                                * chunk is either -mem-chunk: mem->used - 1 file-chunk: file.length */

        struct chunk *next;

} chunk;

从名字可以看出，chunk用来表述一块存储空间。这个存储空间可能在内存中，也可能在文件中。mem成员指向内存中的存储空间。而file结构体则表示在文件中的存储空间。tpye成员标记这个块是内存的还是文件的。对于在内存中的存储空间，实际就是一个buffer。这个没什么说的。对于文件中的存储空间，程序首先会使用mmap函数将文件映射到内存中，mmap结构体的start成员保存映射到内存中的地址。然后，对于文件的操作就可以像使用内存一样。

关于这两个结构体的操作函数读者课自行查看。

当POST数据读取完毕之后，程序进入CON_STATE_REQUEST_END状态。在这个状态中，主要调用了是http_response_prepare函数，然后根据这个函数的返回值进行相应的处理。http_response_prepare函数定义在response.c文件中。粗略的浏览一遍这个函数，你会发现函数中调用了很多plugins_call_handle_xxxx函数。其实插件系统的接口函数主要是在这个函数中调用，这个函数也是服务器和插件系统交互的地方。函数定义如下：

handler_t http_response_prepare(server * srv, connection * con)
{
    handler_t r;
    if (con->mode == DIRECT && con->physical.path->used == 0)
    {
        char *qstr;
        /**
         * Name according to RFC 2396*
         * (scheme)://(authority)(path)?(query)#fragment 
         * fragment: 用于页面内部的跳转。通常不属于uri的一部分。
         * 服务器没有你要对其进行解析，后面的解析中，直接丢弃fragment。
         */
        /* 对HTTP头中的uri进行解析，分析出各个部分的内容。 */
        switch (r = plugins_call_handle_uri_raw(srv, con))
        {
        case HANDLER_GO_ON:
            break;
        case HANDLER_FINISHED:
        case HANDLER_COMEBACK:
        case HANDLER_WAIT_FOR_EVENT:
        case HANDLER_ERROR:
            return r;
        default:
            log_error_write(srv, __FILE__, __LINE__, "sd", "handle_uri_raw: unknown return value", r);
            break;
        }
        /*do we have to downgrade to 1.0 ? */
        if (!con->conf.allow_http11)
        {
            con->request.http_version = HTTP_VERSION_1_0;
        }
        switch (r = plugins_call_handle_uri_clean(srv, con))
        {
        case HANDLER_GO_ON:
            break;
        case HANDLER_FINISHED:
        case HANDLER_COMEBACK:
        case HANDLER_WAIT_FOR_EVENT:
        case HANDLER_ERROR:
            return r;
        default:
            log_error_write(srv, __FILE__, __LINE__, "");
            break;
        }
        if (con->request.http_method == HTTP_METHOD_OPTIONS && con->uri.path->ptr[0] == '*'
                             && con->uri.path_raw->ptr[1] == '\0')
        {
            /*将key=val加到response的head中。*/
            response_header_insert(srv, con, CONST_STR_LEN("Allow"),CONST_STR_LEN("OPTIONS, GET, HEAD, POST"));
            con->http_status = 200;
            con->file_finished = 1;
            return HANDLER_FINISHED;
        }
        /**
         *将请求地址转换成服务器的物理地址，也就是文件路径。
         */
        buffer_copy_string_buffer(con->physical.doc_root, con->conf.document_root);
        buffer_copy_string_buffer(con->physical.rel_path, con->uri.path);
        switch (r = plugins_call_handle_docroot(srv, con))
        {
        case HANDLER_GO_ON:
            break;
        case HANDLER_FINISHED:
        case HANDLER_COMEBACK:
        case HANDLER_WAIT_FOR_EVENT:
        case HANDLER_ERROR:
            return r;
        default:
            log_error_write(srv, __FILE__, __LINE__, "");
            break;
        }
        /**
         * create physical filename
         * -> physical.path = docroot + rel_path
         */
        buffer_copy_string_buffer(con->physical.path, con->physical.doc_root);
        BUFFER_APPEND_SLASH(con->physical.path);
        buffer_copy_string_buffer(con->physical.basedir, con->physical.path);
        if (con->physical.rel_path->used && con->physical.rel_path->ptr[0] == '/')
        {
            buffer_append_string_len(con->physical.path,
                                     con->physical.rel_path->ptr + 1,
                                     con->physical.rel_path->used - 2);
        } 
        else
        {
            buffer_append_string_buffer(con->physical.path, con->physical.rel_path);
        }
        switch (r = plugins_call_handle_physical(srv, con))
        {
        case HANDLER_GO_ON:
            break;
        case HANDLER_FINISHED:
        case HANDLER_COMEBACK:
        case HANDLER_WAIT_FOR_EVENT:
        case HANDLER_ERROR:
            return r;
        default:
            log_error_write(srv, __FILE__, __LINE__, "");
            break;
        }
    /*
     * Noone catched away the file from normal path of execution yet (like mod_access)
     * Go on and check of the file exists at all
     */
    if (con->mode == DIRECT)
    {
        char *slash = NULL;
        char *pathinfo = NULL;
        int found = 0;
        stat_cache_entry *sce = NULL;
        if (HANDLER_ERROR != stat_cache_get_entry(srv, con, con->physical.path, &sce))
        {
            /*file exists */
        } 
        else
        {
            /*not found, perhaps PATHINFO*/
            /*we have a PATHINFO */

        }
        switch (r = plugins_call_handle_subrequest_start(srv, con))
        {
        case HANDLER_GO_ON:
            /*request was not handled */
            break;
        case HANDLER_FINISHED:
        default:
            /* something strange happend */
            return r;
        }
        /*if we are still here, no one wanted the file, status 403 is ok I think*/
        if (con->mode == DIRECT && con->http_status == 0)
        {
            switch (con->request.http_method)
            {
            case HTTP_METHOD_OPTIONS:
                con->http_status = 200;
                break;
            default:
                con->http_status = 403;
            }
            return HANDLER_FINISHED;
        }
    }
    switch (r = plugins_call_handle_subrequest(srv, con))
    {
    case HANDLER_GO_ON:
        /*request was not handled, looks like we are done */
        return HANDLER_FINISHED;
    case HANDLER_FINISHED:
        /*request is finished */
    default:
        /*something strange happend  */
        return r;
    }
    /*can't happen  */
    return HANDLER_COMEBACK;
}

上面的代码删除了一些代码，重点突出插件的调用。完整代码读者可自行查阅。下面我们开始分析。

首先我们先来看看HTTP协议，前面提到的HTTP Request Messag格式可以看出，在整个HTTP requset head中，只有url和methods可以用来确定请求所对应的插件。比如，对于cgi请求，url中的文件的扩展名肯定是配置文件中定义的，不会是.html。在http_response_prepare函数中，通过对url的解析，逐步的调用插件来处理。对url解析的结果存放在con->uri中。uri的定义如下：

typedef struct
{
        buffer *scheme; //http , https and so on
         buffer *authority; //user:password
         buffer *path; //www.xxx.com/xxx/xxxx.html
         buffer *path_raw; //www.xxx.com
         buffer *query; //key1=data1&key2=data2
 } request_uri;

uri的定义为：(scheme)://(authority)(path)?(query)#fragment。上面的结构体和这个定义对应。举个例子：

http://user:[e-mail]/pages/index.html?key1=data1&key2=data2#frag

解析之后：

scheme = http

authority = user:passwd

path = www.google.com/pages/index.html

path_raw = 未进行解码的path

query = key1=data1&key2=date2

对于path_raw要说明一下。在浏览器向服务器发送url请求的时候，会对其中的保留字符和不安全字符进行编码（具体参见RFC2396），最长见的就是对汉字。编码的形式是% HEX HEX，一个%加两个十六进制的数字。服务器在接受到请求之后，要对这些编码过的字符进行解码。path_raw中保存的就是还没有解码的url，path保存的是已经解码过的url。

前面的程序已经解析了HTTP头，HTTP头中的request line中的uri被存储在con->request.uri中。在函数的一开始，对这个uri地址进行解析。对于uri中的query和fragment部分，服务器不需要进行处理，因此将这些部分提取后存储到con -> uri中，对fragment的处理时直接抛弃，因为fragment是浏览器使用的。当解析出url中的path之后，服务器调用插件的plugins_call_handle_uri_raw函数，在这个函数中，插件根据分析出的为解码的url path进行处理。如果没有插件进行处理，服务器接着调用哪个插件的plugins_call_handle_uri_clean函数，这个函数自然就是根据解码过的url path进行处理。这两个函数最典型的应用就是proxy服务器。proxy服务器根据解析出来的url地址直接将请求转发，不需要对请求进行处理。

当请求仍然没有被处理时，说明这个请求必须在要被处理。首先服务器调用插件的plugins_call_handle_docroot函数对处理请求时的根目录进行设置。对于不同种类的资源，可以设置不同的根目录，提供一个虚拟服务器。设置根目录也可以简化请求的url地址。

接着，服务器根据根目录和请求的url地址，拼接处资源在本机上对应的物理地址。比如，doc root = /abc/root, url path = /doc/index.html，得到的物理地址就是/abc/root/doc/index.html。然后服务器调用插件的plugins_call_handle_physical函数。这个函数根据得到的物理地址进行相应的处理。

接着，服务器调用插件的plugins_call_handle_subrequest_start函数和plugins_call_handle_subrequest函数进行最后的处理。

下面总结一下插件接口的作用：

1、 plugins_call_handle_uri_raw

在得到http头中，request line的url地址直接调用，此时的url地址没有解码。url地址中不包含query。

2、plugins_call_handle_uri_clean

对url地址进行解码之后调用。

以上两个函数典型的应用时proxy服务器。直接将请求转发。

3、plugins_call_handle_docroot

设置处理请求时的根目录。

4、plugins_call_handle_physical

得到请求资源在服务器上的物理地址，根据这个物理地址做相应的处理。

5、plugins_call_handle_subrequest_start

子请求处理开始。

6、plugins_call_handle_subrequest

处理子请求。

最后，连接进入CON_STATE_RESPONSE_START状态。进入这个状态之后，服务器根据处理得到的记过准备给客户端的response。包括准备response头和写数据。这在后面的文章中继续讨论。