go HTTP2 的头部压缩算法hpack实现详解

Hpack 是啥

Hpack 是 HTTP2 的头部压缩算法。在 HTTP1 中，每次传输都会有大量的 Header 携带，我们可以拿一个实际的请求来看，如图一：

图一：请求 header

这里面 Header 很多是请求共性的，比如 method: POST，就是 post 请求的 header，那每个 POST 请求都会携带这个 header；以及同一个页面里可能有很多请求需要带上相同 header，比如 user-agent、鉴权相关 header 等等。那如果 body 很小的话，每次传输利用率就很低了。HTTP2 为了提高传输效率设计了 HPACK 头部压缩算法。

HPACK 原理

HPACK 维护了两张表，静态表和动态表。如果 Header key、value 在表里的话，直接将 Header kv 用 index 编码即可；如果不存在表中的话，则采用 Huffman 编码或者不编码发送。每条连接维护各自的动态表，request 和 response 的动态表是分开的。

静态表存储常见的 Header kv，比如 :method: GET、:method: POST、:schema: http 等一共 61 项，具体的项可以参考 RFC 7541 文档。

动态表是一个先进先出的表，先进入的在高索引空间，后进入的在低索引空间（索引空间从0到最后递减）。header 根据一定的规则判断是否加入动态表，有三种规则：

• 将 header 字段添加到动态表的开头

• 不将 header 字段添加到动态表

• 不将 header 添加到动态表，另外规定 header 始终不被动态表编码，常见于有代理或者网关的场景。这是为了保护 header 字段值，比如通过大量尝试判断 header size 可以推断出动态表的内容。

动态表也有一定大小，通过 SETTINGS_HEADER_TABLE_SIZE 来设置。如果新的 Header kv size 超过了这个值，就会逐出动态表，直到能够放下这个 Header kv 或者将所有的逐出。特别的，如果一个 Header kv size 大于了动态表的最大值，那么这个 Header 的作用就是清空动态表。

如何编码

• 该 Header 已经存在动态表中

0   1   2   3   4   5   6   7
+---+---+---+---+---+---+---+---+
| 1 |        Index (7+)         |
+---+---------------------------+

• Key 被索引，value 未索引且允许保存

0   1   2   3   4   5   6   7
+---+---+---+---+---+---+---+---+
| 0 | 1 |      Index (6+)       |
+---+---+-----------------------+
| H |     Value Length (7+)     |
+---+---------------------------+
| Value String (Length octets)  |
+-------------------------------+

01 后的 index 表示 Header Key 的索引

这个 Header 会被加在 server 和 client 的动态表中。

• Key 被索引，value 未索引且不允许保存

0   1   2   3   4   5   6   7
+---+---+---+---+---+---+---+---+
| 0 | 0 | 0 | 0 |  Index (4+)   |
+---+---+-----------------------+
| H |     Value Length (7+)     |
+---+---------------------------+
| Value String (Length octets)  |
+-------------------------------+

• Key、value 均未索引且允许保存

0   1   2   3   4   5   6   7
+---+---+---+---+---+---+---+---+
| 0 | 1 |           0           |
+---+---+-----------------------+
| H |     Name Length (7+)      |
+---+---------------------------+
|  Name String (Length octets)  |
+---+---------------------------+
| H |     Value Length (7+)     |
+---+---------------------------+
| Value String (Length octets)  |
+-------------------------------+

• Key、value 均未索引且不允许保存

0   1   2   3   4   5   6   7
+---+---+---+---+---+---+---+---+
| 0 | 0 | 0 | 0 |       0       |
+---+---+-----------------------+
| H |     Name Length (7+)      |
+---+---------------------------+
|  Name String (Length octets)  |
+---+---------------------------+
| H |     Value Length (7+)     |
+---+---------------------------+
| Value String (Length octets)  |
+-------------------------------+

• Key 被索引，value 未索引且绝对不允许保存

0   1   2   3   4   5   6   7
+---+---+---+---+---+---+---+---+
| 0 | 0 | 0 | 1 |  Index (4+)   |
+---+---+-----------------------+
| H |     Value Length (7+)     |
+---+---------------------------+
| Value String (Length octets)  |
+-------------------------------+

• Key、value 均未索引且绝对不允许保存

0   1   2   3   4   5   6   7
+---+---+---+---+---+---+---+---+
| 0 | 0 | 0 | 1 |       0       |
+---+---+-----------------------+
| H |     Name Length (7+)      |
+---+---------------------------+
|  Name String (Length octets)  |
+---+---------------------------+
| H |     Value Length (7+)     |
+---+---------------------------+
| Value String (Length octets)  |
+-------------------------------+

举个编码??

:method: GET
:scheme: http
:path: /
:authority: www.example.com

编码后的 16 进制如下

8286 8441 8cf1 e3c2 e5f2 3a6b a0ab 90f4 ff

82 = 10000010 -> 8 表示 kv 均被索引，表项为静态表第 2 项-> :method: GET

86 = 10000110 -> 8 表示 kv 均被索引，表项为静态表第 6 项-> :scheme: http

84 = 10000100 -> 8 表示 kv 均被索引，表项为静态表第 4 项 -> :path: /

41 = 01000001 -> 4 表示 Key 被索引，value 未索引且允许保存，name 为静态表第1项，即 :authority。接下来表示这个 header对应的 value。

8c = 10001100 -> 第一个 bit 为1，表示 huffman 编码，字符串的长度为 1100b = 12。接着解析12个字节为 huffman 编码后的字符 f1e3 c2e5 f23a 6ba0 ab90 f4ff， 解码为www.example.com

所以得到最后一个头部 :authority: www.example.com

HPACK 实现

我们可以先想一下，如果要做到索引的复杂度尽可能小，同时又要有序方便逐出，那应该采用什么数据结构呢？

那应该很容易想到，我们需要用一个 slice 存下来所有的数据，也方便逐出；如果一个 Header 来了，我们也需要两个 map 存下这个这个 Header 对应的在 slice 中的 index。

Golang 中 HPACK 的实现在 hpack 文件夹中，动态表的数据结构和我们想的一样。

动态表的实现在 tables.go 当中

type headerFieldTable struct {
       // 用 slice 存储具体的表项，同时也方便逐出
       ents       []HeaderField
       // 逐出数量，可以理解为偏移修正量。如果一个 header 被逐出后，那其他 header 的
       // 索引就会升高。在 map 中修改需要 O(n) 的开销，所以计算 id 时在这里统一加
       // 一个修正量即可。
       evictCount uint64
       // 只根据 header 找对应的 id。
       byName map[string]uint64
       // 根据 header kv 找对应的 id。
       byNameValue map[pairNameValue]uint64
}
type pairNameValue struct {
       name, value string
}
func (t *headerFieldTable) addEntry(f HeaderField) {
       // 计算唯一 id，同时保证不和已经在表中的 id 重复
       id := uint64(t.len()) + t.evictCount + 1
       // 在两个 map 中存下索引
       t.byName[f.Name] = id
       t.byNameValue[pairNameValue{f.Name, f.Value}] = id
       // 保存索引
       t.ents = append(t.ents, f)
}
// 逐出 n 个
func (t *headerFieldTable) evictOldest(n int) {
       ...
       for k := 0; k < n; k++ {
               f := t.ents[k]
               // 根据 index 算出在 map 中的 id
               id := t.evictCount + uint64(k) + 1
               // 双重校验，如果校验通过就删除表项
               if t.byName[f.Name] == id {
                       delete(t.byName, f.Name)
               }
               if p := (pairNameValue{f.Name, f.Value}); t.byNameValue[p] == id {
                       delete(t.byNameValue, p)
               }
       }
       // 用后 n 个表项覆盖前面的表项实现逐出
       copy(t.ents, t.ents[n:])
       for k := t.len() - n; k < t.len(); k++ {
               t.ents[k] = HeaderField{} // so strings can be garbage collected
       }
       t.ents = t.ents[:t.len()-n]
       // 逐出数量 +n
       // 表项迁移带来的索引减小会通过 evictCount 的增加补回来，所以 id 并不会变
       t.evictCount += uint64(n)
}
// 在表项中寻找，如果没有匹配的 i 就是 0.如果 kv 都匹配上了就返回 index， true；
// 如果只有 k 匹配上了就返回 index， false。
func (t *headerFieldTable) search(f HeaderField) (i uint64, nameValueMatch bool) {
       if !f.Sensitive {
               if id := t.byNameValue[pairNameValue{f.Name, f.Value}]; id != 0 {
                       return t.idToIndex(id), true
               }
       }
       if id := t.byName[f.Name]; id != 0 {
               return t.idToIndex(id), false
       }
       return 0, false
}
func (t *headerFieldTable) idToIndex(id uint64) uint64 {
       // 校验。不在这里 panic，下面根据 index 索引的时候，slice 也会 panic
       if id <= t.evictCount {
               panic(fmt.Sprintf("id (％v) <= evictCount (％v)", id, t.evictCount))
       }
       // 将 id 转换为 slice 中的 index
       k := id - t.evictCount - 1 // convert id to an index t.ents[k]
       // 如果是动态表，需要减去静态表的长度
       if t != staticTable {
               return uint64(t.len()) - k // dynamic table
       }
       return k + 1
}

其他部分的实现就很简单了，基本上就是照着上面的流程写就可以了。其中有一个解析当前 header 是哪种类型的实现还挺有意思的。

func (d *Decoder) parseHeaderFieldRepr() error {
       b := d.buf[0]
       switch {
       case b&128 != 0:
               // 128 => 10000000
               // 设置了最高位，对应上面的第 1 种 kv 均在的情况
               // https://httpwg.org/specs/rfc7541.html#rfc.section.6.1
               return d.parseFieldIndexed()
       case b&192 == 64:
               // 192 => 11000000
               // 对应前三位为 010 的情况，即允许保存的情况
               // https://httpwg.org/specs/rfc7541.html#rfc.section.6.2.1
               return d.parseFieldLiteral(6, indexedTrue)
       case b&240 == 0:
               // 240 => 11110000
               // 对应前四位都是0的情况，即不允许保存的情况
               // https://httpwg.org/specs/rfc7541.html#rfc.section.6.2.2
               return d.parseFieldLiteral(4, indexedFalse)
       case b&240 == 16:
               // 240 => 11110000
               // 对应前四位是0001的情况，即绝对不允许保存的情况
               // https://httpwg.org/specs/rfc7541.html#rfc.section.6.2.3
               return d.parseFieldLiteral(4, indexedNever)
       case b&224 == 32:
               // 224 => 11100000
               // 对应前三位是001的情况，即动态表大小更新的情况
               // https://httpwg.org/specs/rfc7541.html#rfc.section.6.3
               return d.parseDynamicTableSizeUpdate()
       }
       return DecodingError{errors.New("invalid encoding")}
}

遇到的坑

写这篇文章是因为 hertz 在接入 h3 的时候会偶发的 panic，原因是在动态表存表项的时候，存入了一个 unsafe string，后面这一项给变了，导致双重校验的时候没有删掉，从而引发了 panic。

参考文档

www.rfc-editor.org/rfc/rfc7541

来源：https://juejin.cn/post/7154718492032237575