最近看的《网络是怎样连接的》非常有趣，真的是 “计算机网络概论” 图解趣味版。
本文写写数据从网卡到应用的过程，内容与图片很多整理自《网络是怎样连接的》、《Tomcat内核设计与剖析》，有的图片因清晰度不够我进行了重绘。
本文围绕这张图从下至上展开。假设一个HTTP请求的数据到达网卡，那数据是如何被层层处理并到达应用呢？
网卡(Network Adapter)，也称网络适配器，是一个 硬件设备，有全球唯一的 MAC(Media Access Control)地址，MAC地址在网卡生产时就被烧制在ROM中，网卡初始化时恢复到计算机中。
网卡收到的数据是 光信号或电信号，然后将其还原成 数字信息(1和0组成)。
下图是还原的数字信息结构。
根据 FCS(帧校验序列，Frame Check Sequence) 校验数据，判断数据在传输过程是否因噪音等影响导致信号失真，从而导致数据错误，需要丢弃这种无效的数据包。
然后 检查 数据包中MAC头部中的 接收方的MAC地址，若不是发给自己，则丢弃数据包；若数据包是发给自己，则将数字信息保存到网卡内部缓冲区。
以上过程网卡自行搞定，不需要CPU参与，CPU也不知道数据包的到达。
硬件需要驱动程序来控制，就像电脑需要操作系统一样，而网卡驱动就是CPU控制和使用网卡的程序。
网卡处理完数字信号后，接下来的数据接收需要CPU参与，此时网卡通过中断将数据包达到的事件通知给CPU。接着，CPU暂停手头工作，开始用网卡驱动来干活。
从网卡缓冲区读取接收到的数据根据MAC头部的以太类型字段判断协议种类并调用处理该协议的软件(即协议栈)通常我们接触的以太类型是 IP协议，因此会调用TCP/IP协议栈来处理。
因各层协议看上去像堆叠状态，也就取名”协议栈”。 像TCP、UDP、IP等协议都是规范，而协议栈则是实现各类协议的网络控制软件。例如：Windows、Linux各自对协议进行了实现，因此不同系统之间能够通讯，与JVM跨平台原理一致。
当MAC头部以太类型为 IP 协议时，网卡驱动数据包交给TCP/IP协议栈来处理。
IP模块会检查IP头部以判断数据是不是发给自己判断数据包是否分片，如果分片则缓存起来等待分片全部到达再还原成数据包根据IP头部的协议号字段，将包转给TCP模块或UDP模块处理下面是IP头部的部分字段。
下面是TCP报文首部结构。
TCP模块会根据 标志位 来进行不同处理，假设服务端收到该报文，会进行如下处理：
如果 SYN=1，表示这是请求连接的包。 首先检查接收方端口号，然后检查有没有与该端口号相同且处于等待连接状态的套接字。如果没有，则返回错误通知的包；如果有，则为这个套接字复制一个新副本，将发送方IP、端口等必要信息写入套接字，同时分配用于发送缓冲区和接收缓冲区的内存空间。最后返回给数据客户端，客户端会再次确认，这属于TCP连接三次握手的一部分。如果是正常数据包，TCP模块需要检查该包对应的套接字。然后提取出数据，存放到缓冲区。此时，如果应用程序调用socket的read()，数据就可以转交给应用程序了。如果应用程序不来获取数据，数据则一直保存在缓冲区中。在上述处理过程中，不同协议层会逐层处理，剥洋葱一样剔除协议头部，将数据转交到上层。而发送数据时，TCP、IP等也会一层层的为数据包加上头部。
最后，数据就到应用层，应用层通过socket来操作数据，下面说说socket。
socket 译为套接字，由加州大学伯克利分校的研究人员在20世纪80年代早期提出，因此也叫伯克利套接字。其研究人员使得套接字接口适用于任何底层协议，首个实现的协议就是针对TCP/IP。
从不同角度来看，其含义不同：
对应用层来说，可通过 socket 与内核中的网络协议栈通信。应用不能直接使用协议栈，更不能控制网卡驱动。所以 socket 提供了网络编程的系统调用接口。从Linux文件系统来说，socket 是一个打开的文件。下面命令找到的就是一个套接字类型的文件。 $ find / -type s/run/docker.sock在普通 Java 应用中的文件描述符文件夹中也可以看到，下图都是一些指向socket的软链接。
$ cd /proc/25693/fd$ ls -l | grep socket从Linux内核来说，socket 是一个通信的端点(Endpoint)。
常说 “连接”，通过C/S两端的socket真的是建立了一个物理通道吗？
连接实际上指的是通信双方的信息，套接字中记录了这些必要信息。下面是两个连接信息，包含了通信双方的IP、端口信息。
因此，套接字也可以认为是一个概念，它包含了通信双方的信息。
文件描述符（File Description）简称fd，是一个正整数，起到一个文件索引的作用，保存了一个指向文件的指针。
每创建或打开文件都会返回一个fd(一个数字)，其实主流操作系统将TCP/UDP连接也当做fd管理，每新建一个连接就会返回一个fd。
应用程序申请创建套接字，具体实现由协议栈来搞定。协议栈首先会分配用于存放一个套接字所需要的内存空间，然后往其中写入控制信息(双方IP、port等信息)。套接字刚创建时，数据收发还没有开始，因此需要写入初始状态的控制信息。
接下来，需要将这个套接字的fd告诉应用程序。收到fd后，应用程序再向协议栈委托收发数据时，就要提供fd。
另，服务端在接收数据时，每来一个新连接，都会拷贝当前处于等待连接状态的socket，然后写入控制信息，而原先的socket则继续等待新的连接。
一个最简单的网络编程例子。
服务端：
// 创建套接字并绑定到8080端口 ServerSocket serverSocket = new ServerSocket(8080); while (true) { // 将套接字设置为等待连接状态,并阻塞线程 Socket socket = serverSocket.accept(); // 读数据时,其实要向协议栈提供套接字fd, 读取数据 System.out.println(IOUtils.toString(socket.getInputStream(), "utf8")); }客户端：
// 创建客户端套接字(会有fd, 完成TCP握手) Socket socket = new Socket("127.0.0.1", 8080); // 使用套接字收发数据 socket.getOutputStream().write("Hello World".getBytes());
应用通过socket通信，socket保存了通信双方信息，相当于一个连接信息。当并发量大时，比如 C10K 即单机1W并发连接，1W连接也对应着1W个fd。那如何判断哪些连接有新数据呢？
传统IO模型一个连接一个线程处理，然后遍历连接，CPU光遍历连接就已经满负荷。耗费大量线程，频繁切换线程环境，只适合低并发应用。进一步，可以一个线程管理多个socket(也就是多个fd)，这也是NIO中的select机制。虽然降低了线程数，提高了并发能力，但遍历的瓶颈一直都在。问题最终由异步机制搞定。linux内核2.6版本提出了新的多路复用机制 epoll，套接字提供了回调函数，内核从网卡读取数据后就会回调该函数。下面是《Tomcat内核设计与剖析》的一张图。
应用层开发人员，比如Java工程师，更多的会好奇数据如何从Tomcat到Servlet，这个过程这些应用层框架是如何处理数据的。
信息技术迅猛发展的这些年，虽然应用层技术更新很快，但这些底层设施一直非常经久耐用，非常经典。所以多学习些Linux基础、计算机网络等基础知识，也大有裨益。
