疑惑和bug?

[L-admin]

从知乎而来，看了楼主的代码，感觉受益匪浅。有几个疑惑： 1 hashmap那个结构，第一次见到这种写法，感觉有点意思，这种写法是什么专门的写法吗？ 2 有没有可能buffer里面一次读取的是一个完整的包和第二个包的一部分(百度了下，这种是不是叫粘包？)，那该怎么处理？ 3 在server.c 中124行为什么要调用get_pid()？132行 daemon(1, 0)；没有看到这个函数实现？ 下面有几个我感觉是bug的地方。 4 get_pid函数中中没有关闭文件。 5 request_handle_uri函数中用了 r->port = atoi(uri->port.data)；uri->port.data 并不是用‘\0’结尾的字符串，同理header_handle_content_length函数中int len = atoi(val->data)。 6 parse_uri函数中解析uri，uri->port.data没有设置值，uri->host.len没有设置值。

再次感谢楼主的代码。

[wgtdkp]

1. 是专用的写法，不是通用的；在已知key的总数的时候，这样写可以避免动态内存分配；
2. 这是可能的，在同一个连接中，一般浏览器在前一个请求的回复没有收到前，不会发送下一个请求；这反之，就是pipelining；pipelining的效率显然更高（但我最开始没有支持），请看issue 5和issue 10的讨论；
3. 调 g_pid() 是为了在PID文件缺失的情况下新建该文件；daemon() 是unix系统函数；
4. 确实是bug；
5. 确实atoi应该接受C-string，但是在这两个场景中，atoi不需要依靠‘\0’来标志convertion的结束，因为这两个digit sequence的后面都接有非digit的字符（否则request会提前返回error，这两处也就不会执行到了），因此atoi会提前结束；我应该写一些注释的；像request.c的322行，就是必须C-string的例子。
6. 有设置吧，在 case URI_S_PORT: 里面；

[L-admin]

1 2 3受教。对于5，6，我还有疑惑。

• 对于5 用client模拟发起HTTP请求，当uri为“http://127.0.0.1:8000/” 时。程序会出现段错误，调试core文件发现，atoi炸了。

• 对于6

   case URI_S_HOST:
       switch (ch) {
       case 'A' ... 'Z':
       case 'a' ... 'z':
       case '0' ... '9':
       case '.':
       case '-':
           break;
       case ':':
           uri->state = URI_S_PORT;
           break;
       case '/':
           uri->abs_path.data = p;
           uri->state = URI_S_ABS_PATH_SLASH;
           break;
       default:
           return ERR_INVALID_URI;
       }
       break;
  
   case URI_S_PORT:
       switch (ch) {
       case ' ':
           // For example: http://localhost
           // We set uri to the first slash after colon(':')
           uri->abs_path.data = uri->host.data - 2;
           uri->abs_path.len = 1;
  
           ++uri->port.data;
           uri->port.len = p - uri->port.data;
           uri->state = URI_S_BEGIN;
           break;
       case '/':
           uri->abs_path.data = p;
  
           ++uri->port.data;
           uri->port.len = p - uri->port.data;
           uri->state = URI_S_ABS_PATH_SLASH;
           break;
       case '0' ... '9':
           break;
       default:
           return ERR_INVALID_URI;
       }
       break;
  

  我没有在case URI_S_PORT中找到 以解析uri为"http://127.0.0.1:8000/" 为例。 在case URI_S_PORT：中有++uri->port.data操作，但是没有看到在上一个case URI_S_HOST: 的case ':' 中设置uri->port.data=p。同时我认为还应该在这里设置uri->host.len = p - uri->host.data 之前我在request_handle_request_line函数中尝试打印解析出来的uri，程序就crash掉了。打印uri.host和uri.port崩了。

• 附模拟HTTP request

  const char* http_request = "GET http://127.0.0.1:8000/ HTTP/1.1" "\r\n"
                         "host: 127.0.0.1:8080" "\r\n"
                         "user-agent: Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Ubuntu Chromium/65.0.3325.181 Chrome/65.0.3325.181 Safari/537.36" "\r\n"
                         "accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8" "\r\n"
                         "referer: http://127.0.0.1:8000/" "\r\n"
                         "accept-encoding: gzip, deflate, br" "\r\n"
                         "accept-language: zh-CN,zh;q=0.9" "\r\n"
                         "\r\n"
  
                         "hello world!";
  
  send(fd, http_request, strlen(http_request), 0);
  

  5和6的测试都是在此请求下有问题，为了方便显示，我注释掉了设置守护进程代码。 测试平台：gcc version 4.8.4 (Ubuntu 4.8.4-2ubuntu1~14.04.4)

[wgtdkp]

你测5的时候炸掉，应该是6的问题造成的。😓，没想到还有这么明显的bug没有测出来。parse那一段确实有许多问题，我自己也很久没有维护这个project了。你可以尝试改掉这个bug给我PR～

[wgtdkp]

或者我晚点fix～

[L-admin]

对于5，我增加了一个string_t_to_int的函数。 对于6，目前只增加了我上面提到的两行。但后来测试参数解析那里好像也有点问题。parse那个状态机是个细致活，重在思想吧。 还是很感谢楼主的代码，让我学习了json解析，HTTP长连接实现，堆管理连接，多进程，epoll，状态机，还有非阻塞读取消息的正确姿势。现在再回来看UNP，对很多知识有了进一步理解。

[wgtdkp]

确实是应该写一个定制的 string_t_to_int，我太懒了。 状态机的话，严谨的测试需要很多case，这个工作量还是挺多的。 如果对这些感兴趣的话，可以看看nginx的代码。我也是从nginx学过来的，我省去了HTTP的许多逻辑，但是整体的架构、优化的手段，基本都能够在nginx里面找到。推荐你有时间也可以看看，对编程修养的提高还是挺有帮助的（nginx也不过20000 - 30000 loc）～

[zhangshaoxiao]

正在学习，代码刚看了一部分。回答下你的问题2. 关于粘包问题：TCP协议确实会存在粘包问题：在某个数据到达的时刻，缓冲区主要有以下几种状态： 1.缓冲区为第一个包的不完全包 2.缓冲区为第一个包的全包和后一个包的不完全包 3.在某一个时刻，缓冲区为某个包的不完全包，后续跟着若干个（>=0）全包，而后又跟着一个不完全包 4.so on 解决方法： HTTP的请求包含3个部分：请求行，包头，包体，其中请求行以\r\n结束，包头以\r\n\r\n结束， 1.使用状态机读取缓冲区，若读到完整请求行+包头，则解析之，并读取其中的包体长度，根据包体长度读取包体，处理完后将处理过的字符串从缓冲区清掉。然后返回步骤1 2.若读不到完整包，则返回again，下次缓冲区有数据到达时从步骤1重新开始 3.若一次到达多个包，按照1的模式处理多个包，将剩下的最后一个不完全包留在缓冲区，等着和剩下的内容进行拼接。下次数据到达时重新返回步骤1 需要注意：为了防止恶意攻击，缓冲区应该有最大长度，超出时需要关闭！