Web Cache
缓存：缓存就是数据交换的缓冲区（cache），当某一硬件要读取数据时，会首先从缓存中查找需要的数据，如果找到了则直接执行，找不到的话则从内存中找。由于缓存的运行速度比内存快很多，故缓存的作用就是帮助硬件更快的运行。
程序具有局部性：时间局部性，空间局部性。
缓存存储方式：key-value
Key：访问路径，url，hash
Value：web content
热点数据：局部性的数据；
命中率：hit/(hit+miss)
文档命中率：从文档个数进行衡量；
字节命中率：从内容大小进行衡量
注意：
缓存对象：生命周期；定期清理；
缓存空间耗尽：LRU（最近最少使用）
可缓存，不可缓存（用户私有数据）
缓存处理的步骤：
接收请求 à 解析请求（提取请求的URL及各种首部）à 查询缓存 à 新鲜度检测 à 创建响应报文 à 发送响应 à 记录日志
新鲜度检测机制：
过期日期：
HTTP/1.0 Expires
Expires：Thu，04 Jun 2015 23:38:18 GMT
HTTP/1.1 Cache-Control：max-age
Cache-Control：max-age=600
有效性再验证：revalidate
如果原始内容未改变，则仅响应首部（不附带body部分），响应码304（Not modified）
如果原始内容发生改变，则正常响应 ， 响应码为200；
如果原始内容消失，则响应404，此时缓存中的cache object也应该被删除；
条件式请求首部：
If-Modified-Since：基于请求内容的时间戳验证；
If-Unmodified-Since
If-Match：
If-None-Match：
Etag: faiy89345
常用的开源解决方案：squid ，varnish，本文重点介绍varnish；
Varnish：
程序架构图：
管理进程：编译vcl并应用新配置；监控varnish；初始化varnish；CLI接口
Child/cache：
Acceptor：接收新的连接请求；
worker threads：处理用户请求；
Expiry：清理缓存中的过期对象；
日志：Shared Memory Log，共享内存日志大小默认一般为90MB，分为两部分，前一部分为计数器，后一部分请求相关数据；
vcl：Varnish Configuration Language
保存策略配置接口；
基于“域”的简单编程语言；
内存分配和回收：
malloc()，free()
varnish如何存储缓存对象？可以通过以下三种方式；
file：单个文件；不支持持久机制；
malloc：内存
persistent：基于文件的持久存储；
varnish的主要配置文件及工具：
配置varnish的三种应用：
1. Varnish应用程序的命令行参数；
监听的socket，使用的存储类型等等；额外的配置参数；
-p parm=value
-r param，param，…：设定只读参数列表；
/etc/varnish/varnish.params
2. –p选项指明的参数：
运行时参数：
也可在程序运行中，通过其CLI进行配置；
3. vcl：配置缓存系统的缓存机制；
通过vcl配置文件进行配置；
先编译，后应用；
依赖于c编译器；
Note：
1) varnish是一个web代理缓存服务器，既然是代理就要代表原始web服务器工作，所以，接收的用户请求会首先发送到varnish，那这样一来按理说就应该监听在80端口；其实不然，为了防止和本机的80端口起冲突，varnish默认是监听在6081端口的；这是因为虽然varnish为代理缓存服务器，但并不会让其直接面向用户，而是通过前端的nignx或者haproxy将用户的请求反代至varnish，由varnish完成缓存管理，如果本地缓存没有，varnish再去查找原始服务器，如果有就直接返回给前端反代服务器。
2) 6082端口为基于命令行工具去管理和控制varnish的接口，为了安全起见监听在本机的127.0.0.1的地址；
演示：使用varnish代理缓存后端web服务
实验环境：两台服务器，一台作varnish代理缓存服务器，一台作后端服务器；
Ip地址分配：
varnish缓存服务器：192.168.19.203
后端RS：192.168.19.143
1. 配置文件/etc/varnish/varnish.params如下，（一般默认不改变）
2. 编辑/etc/varnish/default.val文件，反向代理至后端服务器；
3. 启动varnish服务并查看端口；
4. 访问网站测试；
Note：后面需要加端口6081,
命令行工具：
varnishadm命令以及vcl配置文件的重载：
重载vcl配置文件：
varnish_reload_vcl
varnishadm命令：
varnishadm -S /etc/varnish/secret -T IP:PORT
vcl：
请求流程图：
state engine：各引擎之间存在一定程度上的相关性；前一个engine如果可以有多种下游engine，则说明engine需要用return指明要转移的下游engine；
vcl_recv
vcl_hash
vcl_hit
vcl_miss
vcl_fetch
vcl_deliver
vcl_pipe
vcl_pass
vcl_error
编程语言语法：
1) //，#，/* */用于注释；会被编译器忽略；
2) sub $name：用于定义子例程；
sub vcl_recv {
}
3) 不支持循环；
4) 有众多内置的变量，变量可调用位置与state engine有密切相关性；
5) 支持终止语句，return（action）：没有返回值；
6) 域专用 ；
7) 操作符：=，==，~，！，&&，||
条件判断语句：
if (CONDTION) {
} else {
}
变量赋值：set name=value
unset name
req.http.HEADER：调用request报文中http报文中http协议的指定的HEADER首部
req.http.X-Forwarded-For
req.http.Auhtorization
req.http.cookie
req.request：请求方法
client.ip：客户端IP；
state engine workflow(v3):
vcl_recv --> vcl_hash --> vcl_hit --> vcl_deliver
vcl_recv --> vcl_hash --> vcl_miss --> vcl_fetch --> vcl_deliver
vcl_recv --> vcl_pass --> vcl_fetch --> vcl_deliver
vcl_recv --> vcl_pipe
state engine(v4)
vcl_recv
vcl_pass
vcl_pipe
vcl_hash
vcl_hit
vcl_miss
vcl_backend_fetch
vcl_backend_response
vcl_backend_error
vcl_purge
vcl_synth
https://www.varnish-software.com/book/4.0/chapters/VCL_Basics.html
sub vcl_recv {
if (req.method == "PRI") {
/* We do not support SPDY or HTTP/2.0 */
return (synth(405));
}
if (req.method != "GET" &&
req.method != "HEAD" &&
req.method != "PUT" &&
req.method != "POST" &&
req.method != "TRACE" &&
req.method != "OPTIONS" &&
req.method != "DELETE") {
/* Non-RFC2616 or CONNECT which is weird. */
return (pipe);
}
if (req.method != "GET" && req.method != "HEAD") {
/* We only deal with GET and HEAD by default */
return (pass);
}
if (req.http.Authorization || req.http.Cookie) {
/* Not cacheable by default */
return (pass);
}
return (hash);
}
定义在vcl_deliver中，向响应给客户端的报文添加一个自定义首部X-Cache
if (obj.hits>0) {
set resp.http.X-Cache = "HIT";
} else {
set resp.http.X-Cahce = "MISS";
}
演示：通过判断想应报文缓存命中的次数来判断是否命中缓存；
1) 编辑配置文件/etc/varnish/default.vcl；
2) 重载配置文件，过程如下；
3) 浏览器测试；
Varnish中的内置变量：
变量种类：
client
erver
req
resp
bereq
beresp
obj
storage
bereq
bereq.http.HEADERS: 由varnish发往backend server的请求报文的指定首部；
bereq.request：请求方法；
bereq.url：
bereq.proto：协议的版本
bereq.backend：指明要调用的后端主机；
beresp
beresp.proto：后端服务器响应的协议版本
beresp.status：后端服务器的响应的状态码
beresp.reason：原因短语；
beresp.backend.ip：后端响应的ip
beresp.backend.name：BE主机的主机名
beresp.http.HEADER: 从backend server响应的报文的首部；
beresp.ttl：后端服务器响应的内容的余下的生存时长；
obj
obj.ttl: 对象的ttl值；
obj.hits：此对象从缓存中命中的次数；
server
server.ip
server.hostname
req
resp
演示1：强制对某类资源的请求不检查缓存，之类以login和admin为例；
1) 提供测试页面环境；
2) 访问测试；
可以看出，第一次没有命中，但是以后都能命中的。
3) 现在我们修改配置文件，在vcl_recv下添加以下内容，强行对此资源不检查缓存；
4) 重新装载配置文件，测试（装载配置文件过程，这里不再多说）
可以看出，这两次访问，都没有击中缓存；
演示2：设定多个后端主机，并分别以负载均衡和动静分离的方式调度；
动静分离方式调度：
1) 提供RS2的php页面测试环境；（注意，要安装httpd+php）
2) 编辑配置文件，添加内容如下；
3) 重载配置文件，并测试；
访问.php文件时：
Note：php右上角的图片没有显示出来，是因为静态资源发往了192.168.19.144这台主机，而这台主机上又没有这张图片。所以显示不出来；
访问html文件时：
负载均衡调度：使用前需要导入：import director
1) 编辑配置文件，首先导入import director模块，内容如下；
2) 重载配置文件，测试；
Note：varnish的负载均衡调度是对请求的不同资源的负载均衡调度，请求统一资源，它只会调度至一开始调度的服务器；
定义健康状态监测；
backend server的定义：
backend name {
.attribute = "value";
}
.host: BE主机的IP；
.port：BE主机监听的PORT；
.probe: 对BE做健康状态检测；
.max_connections：并连接最大数量；
后端主机的健康状态检测方式：
probe name {
.attribute = "value";
}
.url: 判定BE健康与否要请求的url;
.expected_response：期望响应状态码；默认为200；
.request：发出的具体请求
.window：基于最近的多少次检查来判断其健康状态；
.threshhold：最近.window中定义的这么多次检查中至有.threshhold定义的次数时成功的；
.interval：监测额度；
.timeout：超时时长；
演示3：设定varnish对后端主机做健康状态监测；
1) 使用varnishadm命令可以查看后端主机是否做了检测状态监测；
2) 编辑配置文件/etc/varnish/default.vcl，定义健康状态监测的probe；
方法一：
方法二：
3) 重载配置文件，查看后端主机是否开启健康状态检测；
4) 浏览器访问测试看是否能正常访问；
补充：
移除单个缓存对象
purge用于清理缓存中的某特定对象及其变种(variants)，因此，在有着明确要修剪的缓存对象时可以使用此种方式。HTTP协议的PURGE方法可以实现purge功能，不过，其仅能用于vcl_hit和vcl_miss中，它会释放内存工作并移除指定缓存对象的所有Vary:-变种，并等待下一个针对此内容的客户端请求到达时刷新此内容。另外，其一般要与return(restart)一起使用。
下面是个在VCL中配置的示例。
acl purgers {
"127.0.0.1";
"192.168.0.0"/24;
}
sub vcl_recv {
if (req.request == "PURGE") {
if (!client.ip ~ purgers) {
error 405 "Method not allowed";
}
return (lookup);
}
}
sub vcl_hit {
if (req.request == "PURGE") {
purge;
error 200 "Purged";
}
}
sub vcl_miss {
if (req.request == "PURGE") {
purge;
error 404 "Not in cache";
}
}
sub vcl_pass {
if (req.request == "PURGE") {
error 502 "PURGE on a passed object";
}
}
客户端在发起HTTP请求时，只需要为所请求的URL使用PURGE方法即可，其命令使用方式如下：
# curl -I -X PURGE http://varniship/path/to/someurl
补充资料：
varnish的线程模型：
cache-worker线程
cache-main线程：此线程只有一个，用于启动caceh；
ban luker：
acceptor：
epoll：线程池管理器
expire：清理过期缓存
varnish定义其最大并发连接数：线程池模型：
thread_pools：线程池个数；默认为2；
thread_pool_max：单线程池内允许启动的最多线程个数；
thread_pool_min
thread_pool_timeout：多于thread_pool_min的线程空闲此参数指定的时长后即被purge；
varnish的param查看及改变：
param.show [-l] [param]
param.set [param] [value]
varnish的命令行工具：
varnishadm,
varnishtop: 内存日志区域查看工具
RxHeader User-Agent: Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.2357.81 Safari/537.36
其中：
RxHeader：称为tag, 基于tag过滤，可使用-i或-x选项；
User-Agent起始的内容：称为日志信息，可使用-I或-X选项进行过滤；
-I regexp: 仅显示被模式匹配到的条目
-X regexp：仅显示不被模式匹配到的条目
-C: 忽略字符大小写；
-d: 显示已有日志；
varnishstat：
-f field, field, ...
-l: 列出所有可用字段
-x: xml输出格式
-j: json输出格式
varnishlog, varnishncsa
