2. I protocolli del Web

Il capitolo espone le caratteristiche e il funzionamento dei protocolli usati per la comunicazione nel Web. Inizia facendo una breve descrizione dell'architettura di rete e della suite di protocolli TCP/IP e prosegue con una analisi approfondita del protocollo HTTP/1.0.

2.1 Il TCP/IP

Il Web si serve di Internet come base per la comunicazione. Vale la pena quindi, dare una breve descrizione dell'architettura di rete di Internet e dei protocolli che vengono usati.

Internet è un "internetwork", un insieme di reti collegate tra loro allo scopo di collaborare. L'obiettivo dell'intern0etworking è consentire a molte reti di interagire, permettendo ai computer di comunicare tra loro.

Le reti che costituiscono Internet non sono tutte uguali ognuna di esse può utilizzare una tecnologia di rete differente (cavo coassiale, doppino intrecciato, fibra ottica), protocolli di rete diversi (Ethernet, Token Ring, Token Bus, SNA) e computer diversi (PC, maiframe, workstation UNIX). Non solo, le reti sono possedute da governi, università, aziende, singoli utenti, organizzazioni indipendenti ecc.

Alla luce di queste differenze, la domanda è, come fanno tutte queste reti così diverse a comunicare tra loro? La soluzione è ottenuta grazie allutilizzo di opportuni protocolli pubblici comuni e all'utilizzo dei gateway che permettono di collegare reti molto diverse, fornendo agli utenti una visione omogenea.

Per capire il funzionamento di Internet, le sue caratteristiche e l'enorme successo che tuttora sta avendo, bisogna introdurre alcuni concetti sulle architetture di rete.

Le moderne architetture di rete sono organizzate in maniera gerarchica a strati (o livelli).

Lo scopo di ciascuno strato è quello di fornire un servizio allo strato superiore schermandolo dall'implementazione effettiva del servizio offerto. Ogni strato è munito di un interfaccia con lo strato adiacente che definisce le operazioni primitive e i servizi offerti dallo strato inferiore a quello superiore.

Lo strato di una rete può svolgere "conversazioni" solo con lo strato di un'altra rete di pari livello nella gerarchia di rete (processi paritari). L'insieme delle regole e delle convenzioni che stabiliscono come svolgere queste "conversazioni" sono chiamate protocollo.

Il pregio di un organizzazione a strati è che, nell'ipotesi di mantenere inalterata l'interfaccia, si può modificare l'implementazione di uno strato senza dover modificare o cambiare gli altri strati.

L'insieme degli strati e dei protocolli si definisce architettura di rete.

C'è da osservare che mentre i processi paritari (processi che costituiscono gli strati corrispondenti su macchine diverse) considerano la comunicazione in modo diretto (orizzontale), in realtà, quest'ultima avviene attraversando gli strati inferiori della gerarchia (verticale) e solo quando viene raggiunto lo strato fisico il messaggio viene inviato verso la macchina di destinazione. Qui il messaggio risale gli strati inferiori, fino a raggiungere il destinatario: il processo paritario corrispondente. Cè da dire che, al passaggio del messaggio, ogni strato per espletare al meglio il proprio servizio aggiunge allo stesso proprie intestazioni. In figura possiamo osservare le interfacce, gli strati, i protocolli ed un esempio di flusso di comunicazione di una rete a sette strati.

Fig. 2.1 Strati, interfacce, protocolli e flusso di comunicazione

Il modello architetturale che viene preso come riferimento nel progetto delle reti è quello proposto dall'ISO (International Standard Organization) chiamato modello di riferimento OSI[6][4] (Open System Interconnection). Questo modello prevede sette strati.

Fig. 2.2 Architettura di rete basata sul modello OSI.

C'è da notare che il modello di riferimento OSI di per sé non è un'architettura di rete perché non specifica esattamente i servizi ed i protocolli da utilizzare in ciascuno strato, ma si limita a definire ciò che ciascuno strato dovrebbe fare. Il modello prevede sette strati:

Ognuno di essi ha un compito ben preciso definito dal modello.

Come abbiamo detto Internet è un internetwork che grazie ai gateway e all'utilizzo di protocolli pubblici comuni, da una visione omogenea di reti fondamentalmente diverse. In figura viene mostrato un esempio di interconnessione di reti secondo il modello Internet.

Fig. 2.3 Esempio di internetwork, modello Internet.

Il modello architetturale adottato da Internet è chiamato TCP/IP Reference Model[5][4], nome derivato dal nome dei suoi due protocolli più diffusi il TCP (Trasmission Control Protocol) e IP (Internet Protocol). L'IP è un protocollo senza connessione e inaffidabile che si occupa di trasferire i dati (pacchetti) su reti fisicamente diverse e il TCP è un protocollo che garantisce una connessione affidabile tra due computer e si occupa del trasporto affidabile dei dati (in seguito si parlerà in dettaglio di entrambi i protocolli). Questo modello non aderisce perfettamente al modello di riferimento OSI, infatti prevede solo 4 strati.

In figura viene mostrato uno schema semplificato di tale modello:

Fig. 2.4 Modello semplificato dell'architettura di rete TCP/IP.

Ogni computer che segue correttamente le regole del TCP/IP sarà in grado di comunicare con qualsiasi altro computer nella rete che segue le stesse regole. Quindi, un nuovo computer che vuole unirsi a Internet non deve far altro che implementare il protocollo TCP/IP.

La caratteristica più importante di questa suite di protocolli, che ne è stato il motivo della scelta e del suo successo, è che sono protocolli aperti e pubblici, ciò vuol dire, che non sono proprietà di una particolare azienda o legati ad un tipo di computer o rete. Questo ha implicato il rapido diffondersi di implementazioni per ogni tipo di sistema operativo e piattaforma.

I principali vantaggi del TCP/IP sono

• l'indipendenza dalle tecnologie di rete usata dalle singole reti interconnesse
• la possibilità di far comunicare fra loro qualsiasi tipo di computer connesso al sistema
• e una quantità considerevole di protocolli applicativi per qualunque tipo di bisogno (TELNET, FTP, HTTP, NNTP ecc.)

Vediamo ora le caratteristiche di ognuno dei 4 strati del modello di riferimento TCP/IP.

• Lo strato fisico

• IP

• Versione: in cui viene inserita la versione del protocollo a cui appartiene il datagramma.

• Lunghezza totale: indica la lunghezza del datagramma. La lunghezza massima è di 65536 byte.

• Indirizzo Internet destinazione: che contiene l'indirizzi IP a 32bit (quale 131.114.11.132) che serve per istradare il datagramma.

• Indirizzo Internet sorgente: che contiene l'indirizzo IP del mittente.

• Checksum d'intestazione: il valore di questo campo serve per verificare se ci sono stati errore nella trasmissione dellintestazione.

• TTL(Time to Live): questo campo permette di fissare un limite temporale alla consegna, evitando che datagrammi persi o entranti in un ciclo girino all'infinito sulla rete.

• TCP e UDP

• Porta di provenienza e porta di destinazione: identificano i punti finali della connessione.
• Numero sequenza: serve per permettere al ricevente di ordinare i pacchetti in modo corretto.

• Riscontro in piggybacking: permette al destinatario di inviare un riscontro per messaggi precedentemente ricevuti "agganciato" ai dati che invia al mittente.

• URG: Campo di un solo bit indica messaggio urgente

• Window: questo campo contiene la dimensione della finestra utilizzata per il controllo del flusso di dati tra mittente e destinatario.

La connessione TCP è a doppio senso: ogni parte può originare i messaggi, a prescindere da chi ha iniziato la connessione.

L'altro protocollo presente nello strato di trasporto di Internet è lUDP tale protocollo è senza connessione e inaffidabile: questo vuol dire che l'invio di messaggi avviene senza stabilire alcuna connessione e che non garantisce né la consegna, né il rispetto della sequenzialità degli stessi.

L'intestazione di un messaggio (datagramma) UDP è mostrato in figura:

Fig. 2.7 Intestazione del datagramma UDP.

• Lo strato delle applicazioni

2.2. LHTTP/1.0

L'HyperText Transfert Protocol (HTTP) è il protocollo di livello applicazione ideato per soddisfare le esigenze di sistemi ipermediali distribuiti sulle reti. I client e i server Web utilizzano tale protocollo per trasportare su Internet i documenti Web che contengono elementi ipermediali.

Prima di addentrarci nei dettagli delle caratteristiche del protocollo, bisogna introdurre alcuni termini.

Risorsa	indica un oggetto di dati o un servizio di rete che può essere identificato da un riferimento univoco e ben definito chiamato URI (Uniform Resource Identifier). Un URI può essere un sito e allora prende il nome di URL (Uniform Resource Locator)
Connessione	un circuito virtuale stabilito tra due parti allo scopo di comunicare
Messaggio	sequenza strutturata di ottetti trasmessa attraverso la connessione, come oggetto fondamentale di comunicazione
Entità	una particolare rappresentazione o traduzione di una risorsa che può essere inclusa in un messaggio di richiesta o di risposta. Un'entità si compone di due parti, la prima consiste di metainformazioni nella forma di intestazione di entità (entity headers) e la seconda che rappresenta il contenuto del messaggio vero e proprio nella forma di corpo dellentità (entity body).
Richiesta	un messaggio di richiesta HTTP
Risposta	un messaggio di risposta HTTP
Client	un programma che stabilisce la connessione con lo scopo di inviare una richiesta
User agent	il client che inizia una richiesta. Di solito browsers
Server	un programma che accetta la connessione con lo scopo di servire le richieste spedendo indietro al client opportune risposte.
Origin server	il server dove una data risorsa è memorizzata o sul quale verrà creata
proxy	Un programma intermediario il quale lavora sia come server che come client allo scopo di inoltrare le richieste. Un caching proxy è un proxy server con una cache locale di risorse, alcune richieste di risorse verranno quindi servite dalla cache locale invece che dal server di origine.
Gateway	un server che agisce come intermediario per diversi altri server. Diversamente dal proxy, il gateway riceve richieste come se fosse il server d'origine per la risorsa richiesta; il client richiedente può non essere consapevole che sta comunicando con un gateway. I gateway sono spesso utilizzati come ingressi dal lato server attraverso firewall e come traduttori di protocollo per laccesso alle risorse memorizzate in sistemi non HTTP

Il protocollo HTTP si basa su un semplice paradigma di richiesta/risposta.

Un client

• stabilisce una connessione con il server
• e spedisce la richiesta,

Il server

• analizza la richiesta, risponde alla richiesta con una risposta che comprende le informazioni desiderate dal client
• e chiude la connessione con il client.

Le regole dell'HTTP stabiliscono come formulare correttamente la richiesta e la risposta. L'HTTP invece non stabilisce come è realizzata e gestita la connessione e neppure come vengono trasmesse le informazioni; tutto questo è compito dei protocolli di livello inferiore quali TCP/IP.

Come sappiamo, il client permette il recupero e la visualizzazione di documenti che possono essere formati da testo, immagini, suoni, video e combinazione degli stessi, ognuno di questi documenti ha una codifica digitale diversa in base a ciò che contengono. Come fa il browser a visualizzarli correttamente? Ammettendo anche che possa visualizzarli correttamente, come può riconoscere correttamente ogni documento o ogni sua parte? La risposta è che il client utilizza uno standard internazionale chiamato MIME (Multipurpose Internet Mail Extensions) che definisce le regole per lo scambio di informazione che potrebbero contenere parti non di testo. Il server quando invia un documento Web al client, pone in un campo di intestazione che precede il documento, il tipo e sottotipo MIME relativo al documento stesso, così il client sa, analizzando tale campo, come decodificarlo e visualizzarlo correttamente.

L'HTTP è un protocollo ad assenza di stati (stateless), questo significa che il client e il server devono stabilire e poi chiudere una connessione di rete per ogni transazione HTTP. Né il browser né il server hanno la responsabilità di ricordarsi dell'ultimo stato della connessione.

La più semplice delle comunicazioni HTTP è quella con una singola connessione tra user agent e origin server.

Fig. 2.8 Flusso di richiesta/risposta con una singola connessione.

Una situazione più complicata si ha quando tra l'user agent e l'origin server ci sono uno o più intermediari come proxy o gateway.

Un proxy è un agente inoltrante che ricevendo richieste per un URI nella sua forma assoluta, riscrive tutte le parti del messaggio e inoltra la richiesta riformattata verso il server identificato dall'URI.

Un Gateway è un agente ricevente, che agisce come intermediario tra server diversi, traducendo se necessario da un protocollo o servizio ad un altro in modo che possano comunicare. La figura seguente mostra questa situazione:

Fig. 2.9 Flusso di richiesta/risposta con intermediari.

Quando tra un user agent e un server d'origine cè un proxy di cache (o server di cache) la richiesta fatta dall'user agent al server d'origine potrebbe essere soddisfatta dal proxy di cache e non inoltrata al server d'origine. In questo modo si ha il vantaggio di ridurre la lunghezza del flusso richiesta/risposta. Tale flusso è mostrato di seguito:

Fig. 2.10 Flusso di richiesta/risposta con proxy di cache

Benché il flusso sembri lineare, più richieste possono arrivare ai proxy, gateway o origin server. Quindi, per esempio, un proxy può trovarsi nella situazione di gestire più richieste entranti.

Su Internet, le comunicazioni HTTP generalmente avvengono sulla connessione TCP/IP. La porta di default è TCP 80, ma possono essere usate anche altre porte. Il protocollo HTTP è stato costruito per essere implementato su qualunque protocollo di trasporto, non necessariamente il TCP. L'HTTP vuole solamente uno strato di trasporto che garantisca l'affidabilità.

2.2.1 I messaggi HTTP

I messaggi HTTP sono costituiti da richieste inviate dal client al server e da risposte inviate dal server al client.

Sia i messaggi di richiesta che quelli di risposta possono essere codificati nel formato semplice (tipico dell'HTTP/0.9) o in quello completo (introdotto con l'HTTP/1.0).

Il formato semplice non viene quasi più usato, anzi è sconsigliato dallo standard,

la richiesta è formata dal metodo GET, seguito da un indirizzo URI di una risorsa a cui applicare il metodo,

la risposta è formata dal solo corpo dell'entità richiesta.

Il formato completo è invece più complesso.

Il formato della richiesta è composto da una linea di richiesta (Request-Line), seguita opzionalmente da campi d'intestazione (Header) e infine dal corpo del messaggio (Entity-Body). In dettaglio, il formato di una richiesta HTTP/1.0 è il seguente:

Fig. 2.11 Formato di una richiesta HTTP/1.0

• La Request-Line è composta da tre elementi separati da uno spazio e seguita da un CRFL: