掌握 HTTP 緩存——從請求到響應過程的一切（下）
CDN類的網站曾經一度雄踞 Alexa 域名排行的前 100。以前一些小網站不需要使用 CDN 或者根本負擔不起其價格，不過這一現象近幾年發生了很大的變化，CDN 市場上出現了很多按次付費，非公司性的提供商，這使得 CDN 變成人人都能負擔的起的一種服務了。本文講述的就是如何使用這種簡單易用的緩存服務。
上篇文章掌握 HTTP 緩存--從請求到響應過程的一切(上) 中，我們討論了關于利用 HTTP 頭來解決緩存問題，這篇文章我們將介紹緩存和 Cookie之間的關系。
Cookies
你已經知道了緩存頭是如何起作用的，現在我們來看下在緩存里面 cookie 起了什么作用。首先， Cookie 的設定也在 HTTP 響應頭中，名字是 Set-Cookie。設置一個 cookie 的目的是標識這個用戶，就是說你需要為每個用戶設置一個 cookie。
想象一下緩存的場景，你是否會緩存一個包含了Set-Cookie的 HTTP 響應，在緩存時間內，每個人都會得到相同的 cookie 和同樣的用戶 session?你肯定不想這樣。
另外，用戶 session 狀態的改變可能會影響到響應內容的變化。一個簡單的場景：電商購物車。你給用戶要么提供一個空購物車，要么是用戶自己選了很多物品的購物車。同樣的道理，你不希望這個也被緩存，畢竟每個用戶都應該有自己的購物車。
一個解決方法是在運行時通過 JavaScript 設置 Cookie，比如 Google Analytics。GA 通過 JS 設置 cookie，但這個 cookie 既不影響渲染，也不設置 Set-Cookie 頭。GA 會在目標網站上添加類似于 "you are tracked via Google Analytics" 的圖標，但是只要這些改變都是在運行時添加進去的，就都沒有問題。
正確處理 cookie 和緩存
首先你需要知道你網站的 cookie 的工作原理。cookie 是不是只在特定時間使用(如在用戶登錄過程中使用)?原則上，cookie 是不是會被注入到所有響應?
正如上一節所說的，不論何時服務器返回了一個帶有Set-Cookie 的響應，你都希望能夠保證它不會被緩存。那么問題就轉化成為，當你返回一個帶有“用戶特性”內容的響應時(如購物車)，CDN /代理服務器，會作何操作?
- 如果沒設置 Set-Cookie，是不是允許緩存呢?
- 如果設置了 Set-Cookie，是不是自動丟棄所有Cache-Control 頭呢?
其實，如果從應用層面來講，你盡管可以去實現你所喜歡的 web 應用就可以了，至于 cookie 和 CDN 都是自動設置的。還是用 Apache 的 .htaccess 來作為例子來解釋：
- # 1) 如果 cookie 沒設置，允許緩存
- Header set Cache-Control "public max-age=3600" "expr=-z resp('Set-Cookie')
- # 2) 如果 cookie 被設置，不允許緩存
- Header always remove Cache-Control "expr=-n resp('Set-Cookie')
- # 2a) 第二條的另一種形式，如果設置了 cookie，緩存時間設置成0
- Header set Cache-Control "no-cache max-age=0 must-revalidate" "expr=-n resp('Set-Cookie')
- 規則1：如果沒設置 Set-Cookie，則給Cache-Control 設置一個默認值;
- 規則2：如果設置了 Set-Cookie，則忽略Cache-Control;
- 規則2a：是規則2的另一種表示形式，設置最大緩存時間是 0。
無 cookie 的訪問路徑
一些 CMS / 框架還在使用一種暴力的方式種 cookie。而實際上，決定是否種 cookie 取決于不同的因素，比如會話時間因素。如果你有一個很高安全性的 web 應用，設置會話時間是 5 分鐘，那么為每個響應設置一個新 cookie 都不過分。而假設你的應用連“用戶特性”都沒有，也就是說所有的東西對所有用戶都是公用的，那么設置任何形式的 cookie 都是沒有道理的。
所以下面這個例子是否適合你自己，很大程度上依賴于你的應用到底是什么類型的。我們來一起看一下，我先給一下這個例子的上下文關系：假設你有個新網站，你的所有文章都在http://www.foobar.tld/news/item/ 這個路徑下面。現在你希望能夠保證，所有訪問 /news/item/
- # 通用 PHP 重定向做法，將"?path=$1"寫到重定向規則里
- RewriteCond %{REQUEST_FILENAME} !-d
- RewriteCond %{REQUEST_FILENAME} !-f
- RewriteRule ^(.*)$ index.php?path=$1 [NC,L,QSA]
- RewriteRule ^$ index.php [NC,L,QSA]
- # 利用 query 中的 path= 來判斷
- <If "%{QUERY_STRING} =~ m#path=news/item/[^&]+#">
- Header always unset Set-Cookie
- </If>
通過這樣的設置，你就可以保證所有訪問/news/item/
設計出來的緩存能力
有很多設計方案可以使你的 web 應用具有高緩存性。鑒于本文僅僅是一篇文章而不是一本書，我不可能每個點都深入的來講，但是我可以著重提一下通用的方法。
我還用電商作為例子。假設電商網站首頁的 top 位置上展示了正在出售的物品，生成這些物品需要進行若干次的數據庫操作，代價比較大，因此希望把它們緩存起來。但是，問題在于購物車，它是為那些登陸用戶準備的，所以希望得到的結果是： top 物品是一樣的，而針對登陸用戶展示購物車。
那么優化策略首先要為每個用戶提供一個和登陸狀態無關的“通用”頁。然后通過 JavaScript 為已經生成的網頁提供購物車。站在用戶的視角，最終展示形式是一樣的。那么現在你有了兩個請求(整個網頁請求 + 購物車請求)，而不是一個請求(整個網頁請求，包含購物車)。ok，現在你可以把代價很大的部分，即 top 物品分離出來，把它們緩存起來了。
這種方法或者其延伸方法，不適合已經開發好的項目。因為它可能會改變很多接口和視圖層(MVC 架構)的內容。最好你在一開始就設計好。
緩存失效：busting 和 purging
使用 max-age 和 s-maxage 你已經可以很好地控制一個指定的響應被緩存多長時間。但是這不足以適用于所有的情況。這些設置都是在返回響應時預設的，而現實情況往往是并不知道一個響應應該設置多久期滿。回想一下剛才電商首頁的例子：假設它包含了展示在 top 位置的 10 個實體。你設置了 max-age=900給這個首頁以保證每15分鐘刷新一次。現在，其中 1 個實體由于發布了太久了要被撤銷，那么你就需要把之前的緩存響應刪掉，這時候其實還沒到 15 分鐘，那么該怎么辦?
不要擔心，這是一個常見的問題，有很多方法解決。首先我們先來解釋一下術語：
- 緩存 busting，是用來解決瀏覽器長期緩存問題，它通過版本標識來告訴瀏覽器該文件有一個新的版本。這時瀏覽器將不會從本地緩存取內容，而從源服務器請求新版本的文件。緩存 busting的詳細介紹在這里：What is Cache Busting?。
- 緩存 purging，表示直接從緩存中刪除內容(即響應)，以使得緩存可以立馬得到更新。
用于版本管理的緩存 busting
這種方法經常使用在 CSS 文件、JS 文件上。通常一個確切的版本號、一串哈希或者時間戳都可以用作標識，如下面的例子：
- 數字版本號：style-v1.css，style.css?v=1
- 哈希串版本：style.css?d3b07384d113edec49eaa6238ad5ff00
- 時間戳版本：styles.css?t=1486398121
這時候在發布程序的時候，你只要注意文件的版本就可以了。舉個例子，一個 HTML 網頁通過 這種形式包含了一個 CSS 文件。CSS 文件將會被緩存起來，這時如果你想讓你的新 CSS 文件起作用，那么用最新的版本號命名它就可以。如果不做任何變化的話，即便你更新了文件，這個 HTML 還會使用緩存中的舊 CSS 文件。
緩存 purging
不同 CDN 供應商清除緩存的方式不一樣。很多供應商都是基于開源軟件 Varnish 來構建自己的 CDN 服務，所以一個通用的做法是在 HTPP 請求中使用 PURGE 結構，如：
- PURGE /news/item/i-am-obsolete HTTP/1.1
- Host: www.foobar.tld
使用這個請求通常需要權限認證，或者是源確認(即 IP 白名單)，不過不同供應商的要求也不一樣。
清除一個或幾個緩存項比較容易，但是在某些場景下，卻不是這么簡單。舉個例子，一個博客的場景，博客里面都有關于作者的部分，現在你要改變關于作者的一些內容，那么你需要手動清理所有包含了作者信息的頁面。你確實可以一個一個手動清理，但是假設你有成千上萬個網頁被影響了，那問題就變得麻煩了。
下面介紹一個解決方案。
代理標簽
“代理標簽” 這個名字來源于 CDN 供應商 Fastly，不同供應商給它起的名字不一樣，比如還有叫它“緩存標簽”的，Varnish 叫它 Hashtwo/Xkey，這里我就不詳細介紹其他供應商的情況了。
不論它叫什么，它們的目的都是一樣的：給響應打標簽。這樣你就可以輕松地從緩存中刪除相關的標簽就可以，甚至都不用知道緩存的到底是什么東西。
還是拿<客戶端-代理-源端>來舉例子，源端返回一個含有代理標簽的響應：
- HTTP/1.1 200 OK
- Content-Type: text/html
- Content-Length: 123
- Surrogate-Key: top-10 company-acme category-foodstuff
這個例子中的標簽為：top-10， company-acme，和category-foodstuff。這里給一個電商的實際場景來理解其含義：這個響應包含了電商首頁的前 10 個物品，這些物品由 ACME 公司提供，并且其目錄類別都設定為食品類。
設置了標簽以后，當物品發生了變化以后，你只需要刪除包含有 company-acme 和 top-10 的標簽就可以了。是不是很簡單?
同樣，具體如何清除緩存的操作方法，不同 CDN 供應商是不一樣的。
點擊《掌握 HTTP 緩存——從請求到響應過程的一切(下)》閱讀原文。
【本文是51CTO專欄作者“胡子大哈”的原創文章，轉載請聯系作者本人獲取授權】
