实战TCP三次握手

开篇

在几乎所有的后端开发面试题中，TCP三次握手绝对是最被面试官青睐的题目之一。但是这个东西，平时开发中看不见，摸不着，对于很多人来说，是纯理论的知识，玄之又玄。但是为了应对面试，又不得不去死记硬背。就……真的是硬背。

我之前面试过一个小哥，问了一嘴三次握手，这小哥掰着手指头搁那背，ACK和SEQ都搞反了，我问他SYN标志代表什么意思，也说不大清楚。所以是不是真的搞懂了，一问便知。

对于Java或者Go之类语言的开发者，一个Dial函数就完事了，根本不清楚内部发生了什么，C/C++的开发者相对好一点，最起码知道几个原生的posix API，知道创建socket之后要bind，bind完了之后要listen，然后才是accept。

但这些也是已经封装好的函数，离三次握手离得似乎还是有点远。

我有一个小弟，做golang开发的，有一次我让他调研一下ulimit -c达到上限以后fd的行为，小弟一脸懵逼，问fd是什么。所以说，高级语言封装的太好，的确是方便了开发人员，但也带来了对基础原理的疏远。

我将本文题目取为《实战TCP三次握手》，就是要以一种看得见摸得着的方式，让大家真切感受一下TCP建立的过程中，三次握手到底做了些什么。

关于TCP三次握手的理论知识，往上一搜一大片，本文就跳过理论，直接上手。Let’s go。

准备知识

抓一个TCP三次握手的包

开启三个窗口，窗口1执行命令：

sudo tcpdump -i lo -nn -s0 -vvv port 7899 -A -X
1

这个命令用来抓包，抓的是7899端口的包。-A和-X是为了显示详细的包内容，方便分析。如果不习惯用tcpdump直接分析，也可以使用wireshark，更加直观一些。

窗口2执行命令：

nc -l 7899
1

该命令监听7899端口，相当于启动了一个监听7899端口的server。当然你要是有兴趣的话，可以用代码写一个server。

窗口3执行命令：

telnet 127.0.0.1 7899
1

这个命令是向127.0.0.1:7899建立连接，相当于client执行connect函数。

这个命令一执行，就会连接到7899端口上 ，在第一个窗口上立即就会抓到连续的三个包，如下图所示：

如上步骤，演示了TCP建立连接的过程，tcpdump抓到的三个包，正好就是三次握手。

很多资料讲解三次握手时，都会有一幅类似于这样的图：

我们对应抓到的三个包来看。

• 第一个包：
  • 127.0.0.1.48448 > 127.0.0.1.7899 说明是从client 发往server的， client的端口是48448
• 第二个包：
  • 127.0.0.1.7899 > 127.0.0.1.48448 说明是从server发往client的
• 第三个包：
  • 127.0.0.1.48448 > 127.0.0.1.7899 从client发往server

这个步骤，和上图大致是能一一对应上的。

除了这些简而易见的信息，还有一些 可能一时半会儿看不懂的东西，比如：

Flags [S], cksum 0xfe30 (incorrect -> 0x2d48), seq 3051156309, win 65495, options [mss 65495,sackOK,TS val 2052530964 ecr 0,nop,wscale 7], length 0
1

要了解这些东西，需要先了解TCP协议栈。

了解一下TCP协议栈

首先，我们应该知道，一个完整的以太网帧，包含了ethdr + iphdr + tcpdhr + data + etend

其中，以太网头占14字节，IP头占20字节，TCP头占20字节，以太网尾占4字节，应用数据大小不定，但不会超过一个MTU。

因为我们只研究三次握手，所以关于以太网帧，了解这些就够了。

我们再来看看具体的TCP协议栈：

TCP协议栈包含：

• 16位源端口号，占2字节
• 16位目的端口号，占2字节
• 32位序号（seq），占4字节
• 32位确认序号（ack），占4字节
• 4位首部长度，占0.5字节
• 6位保留位，占0.75字节
• 6位标志位，占0.75字节， 以上：4位首部长度+6位保留长度+6位标志位，合计16位，计2字节
  • 标志位包括：
    • URG
      • 紧急指针标志
      • 此标志用于将输入数据标识为“紧急”。这样的进入段不必等待直到先前段被接收端消耗，而是直接发送并立即处理。
    • ACK
      • 用于确认数据包的成功接收
    • PSH
      • 推送标志
      • 就是指数据包到达接收端以后，不对其进行队列处理，而是尽可能的将数据交给应用程序处理
    • RST
      • 重置标志
      • 当段到达不用于当前连接时，使用复位标志，表示主机已重置连接
    • SYN
      • 发送/同步标志
      • 用来建立连接，一般和ACK搭配使用
    • FIN
      • 结束标志
      • 用于结束一个TCP会话， 一般用于四次挥手
• 16位窗口大小（window size），占2字节
• 16位校验和（checksum），占2字节
• 16位紧急指针，占2字节

庖丁解牛，深度剖析TCP协议栈的三次握手

有了以上这些知识，我们再来解析上面的协议栈。

第一个包

127.0.0.1.48448 > 127.0.0.1.7899: Flags [S], cksum 0xfe30 (incorrect -> 0x2d48), seq 3051156309, win 65495, options [mss 65495,sackOK,TS val 2052530964 ecr 0,nop,wscale 7], length 0
0x0000:  4510 003c dbf7 4000 4006 60b2 7f00 0001  E..<..@.@.`.....
        0x0010:  7f00 0001 bd40 1edb b5dc f355 0000 0000  .....@.....U....
        0x0020:  a002 ffd7 fe30 0000 0204 ffd7 0402 080a  .....0..........
        0x0030:  7a57 2314 0000 0000 0103 0307            zW#.........
1
2
3
4
5

十六进制报文中，前20个字节是IP协议头，后20个字节虽然也属于TCP协议 ，但是是可选项option，并非标准的TCP协议一定有的内容，所以我们真正关心的内容 ， 是下面高亮的部分：

即：

bd40 1edb b5dc f355 0000 0000 a002 ffd7 fe30 0000
1

接下来，我们逐个字节解析：

• 16位源端口， 即 bd40, 转换成10进制为48448

• 16位目的端口，即1edb，转换成10进制为7899

  • 从以上信息可知，该条消息是从48448发往7899端口，即客户端发往服务端

• 32位序号：b5dc f355， 即3051156309

• 32位确认号：0000 0000，即0

• 后面三个域由于不是 完整的字节，放在一块解析：

  • a002翻译成二进制 ，为： 1010 0000 0000 0010

  • 其中，4位首部长度，为1010,即10

  • 6位保留字段，即0000 00，不做解释

  • 6位标志位，即00 0010

    • 标志位要解释一下 ：

      URG	ACK	PSH	RST	SYN	FIN
      0	0	0	0	1	0

    • 标志位哪一位设置为1，就代表当前属于什么包

    • 由上面对应关系，可知当前是一个SYN包。

• 16位窗口大小：ffd7， 即65495

• 16位校验和，即：fe30

• 16位紧急指针，即0000

由以上内容，我们提取一些关键信息：

第一次握手：

• 客户端发往服务端
• 标志位为SYN
• seq为3051156309
• ack为0

第二个包

127.0.0.1.7899 > 127.0.0.1.48448: Flags [S.], cksum 0xfe30 (incorrect -> 0xd4f6), seq 2031501770, ack 3051156310, win 65483, options [mss 65495,sackOK,TS val 2052530964 ecr 2052530964,nop,wscale 7], length 0
        0x0000:  4500 003c 0000 4000 4006 3cba 7f00 0001  E..<..@.@.<.....
        0x0010:  7f00 0001 1edb bd40 7916 41ca b5dc f356  .......@y.A....V
        0x0020:  a012 ffcb fe30 0000 0204 ffd7 0402 080a  .....0..........
        0x0030:  7a57 2314 7a57 2314 0103 0307            zW#.zW#.....
1
2
3
4
5

由上面的知识，我们知道TCP报文主要是下面这段：

1edb bd40 7916 41ca b5dc f356 a012 ffcb fe30 0000
1

通过同样的方法，可以解析出：

第二次握手：

• 服务端发往客户端
• 标志位为ACK+SYN
• seq为2031501770
• ack为3051156310， 正好是第一次握手的seq+1

第三个包

127.0.0.1.48448 > 127.0.0.1.7899: Flags [.], cksum 0xfe28 (incorrect -> 0xfbb2), seq 1, ack 1, win 512, options [nop,nop,TS val 2052530964 ecr 2052530964], length 0
        0x0000:  4510 0034 dbf8 4000 4006 60b9 7f00 0001  E..4..@.@.`.....
        0x0010:  7f00 0001 bd40 1edb b5dc f356 7916 41cb  .....@.....Vy.A.
        0x0020:  8010 0200 fe28 0000 0101 080a 7a57 2314  .....(......zW#.
        0x0030:  7a57 2314                                zW#.
1
2
3
4
5

TCP协议部分：

bd40 1edb b5dc f356 7916 41cb 8010 0200 fe28 0000
1

可以解析出 :

第三次握手：

• 客户端发往服务端
• 标志位： ACK
• seq为3051156310，为第一次我收的 seq+1，也是第二次握手的ack
• ack为2031501771， 为 第二次握手的seq+1

归纳：

以上内容，如果用比较直观的方式总结一下 ，大约如下图：

为什么需要三次握手

又回到老生常谈的话题：为什么需要三次握手？少一次行不行？只握手一次成不成？

在聊这个话题之前，我们引入一下著名科幻小说《三体》中叶文杰教主和三体文明建立联系的过程。

首先，叶教主向三体文明发送了一条消息，紧接着，三体人回复了一条消息，内容是“不要回答，不要回答，不要回答！”然后叶教主回复了这条消息 ，导致地球成功被三体人定位。

不得不说，大刘是懂TCP协议的。至少他懂三次握手的重要性。

第一次发消息，你说三体人收到没有？肯定是收到了的。但这个连接可靠不？明显不可靠。对于三体人来说，他怎么知道这个消息是谁发的？发消息的文明是否还活着？对于地球来说，更是如此，他怎么知道 这条消息对方肯定收到了？又没有人收？

第二次发消息，三体人差不多要把ACK标志写在脸上了，就是明明白白告诉你，我这是一个ACK消息，你只要不应答这个ACK，我们这个连接就建立不成，三体小说就全剧终。这就相当于三体人告诉叶教主：我活着，并且能收到你的消息，但是我还不知道你是谁，你能不能收到我这条消息。

所以第三条消息，狡猾的大刘当然不会让三体就此game over，就是老叶告诉三体人，我也能收到你的消息，从此以后，咱们是“同志”了。

类比三次握手，和这个步骤非常相似，缺少其中任意一环，这个连接都是不可靠的，因为你不知道对方能不能收到我的消息。所以三次握手，并不是表示连接“可达”的，而是表示连接“可靠”的。这之间是有区别的，可达很简单，UDP也能可达，一次握手也是可达的，但是并不可靠。因为无法知道这条消息对方能不能正确接收到。只有这样反复确认后，才能表示这个连接是可靠的连接。

有杠精肯定表示不服，说理虽然是这么个理，但是会不会有巧合啊。比如某个服务既是客户端又是服务端，我在给你发第一次握手的时候，你也恰好在给我发第一次握手，让我误以为你给我的消息是第二次握手的回包，从而建立了一个不可靠的连接？

而杠精之所以是杠精，就是因为木有脑子。你考虑的问题，咱们祖师爷肯定都考虑到了。

我们在前面分析三次握手的过程的时候，为什么要强调ack = 上一次的seq+1？就是代表我不仅收到了你的，我还在你的seq上加1，代表我收到的确实是你的消息，这就相当于给这条消息打上了独一无二的标志，别人想鱼目混珠都不可能。

最后，咱们说说，三体人和叶文杰建立的是TCP连接吗？咳咳，明显不是。本文只是举例类比。要知道，叶文杰第一个包可是broadcast，谁都能收到的。

---

本专栏知识点是通过<零声教育>的系统学习，进行梳理总结写下文章，对C/C++课程感兴趣的读者，可以点击链接，查看详细的服务：C/C++Linux服务器开发/高级架构师