Architettura del World Wide Web Facoltà di Ingegneria Università di Roma “La Sapienza” Gennaio 2001 Sintesi dei livelli di rete • Livelli di trasporto ed inferiori (Livelli 1-4) – Connessione fisica – Trasmissione dei pacchetti (IP) – Affidabilità della comunicazione e della trasmissione dei messaggi (TCP) • Livello applicativo (Livello 5) 2 Gennaio 2001 Principali applicazioni Internet • • • • • Domain Name System Posta elettronica (SMTP) Login remoto (Telnet) Trasferimento file (FTP) World Wide Web Tutte usano il modello client/server 3 Gennaio 2001 Indice • Standard del WWW – Identificativo URL – Linguaggio HTML – Protocollo HTTP • Client (browser) • Server (server Web) • Ottimizzazioni del WWW 4 Parte 1: Standard del WWW Gennaio 2001 Ingredienti del WWW • Meccanismi di comunicazione e naming di Internet – TCP/IP – DNS • Tre nuovi standard – Sistema di indirizzamento delle risorse URL – Linguaggio HTML – Protocollo HTTP • Sistema client-server – Client (Browser) – Server Web 6 Gennaio 2001 Risorse Web • Documenti (detti anche pagine) – testo – immagini – suoni – video • Risultati di esecuzioni • Programmi eseguibili 7 Gennaio 2001 Uniform Resource Locator (1) Il sistema di indirizzamento delle risorse è basato su Uniform Resource Locator (URL), un meccanismo standard per fare riferimento a tutte le risorse presenti nel Web: – pagine (testo, immagini, suoni, video, ...) – risultati di esecuzioni – programmi eseguibili 8 Gennaio 2001 Uniform Resource Locator (2) schema :// host.domain / pathname http :// www.dis.uniroma1.it / docenti/orari/esami.html • schema: indica il modo con cui accedere alla risorsa, cioè quale protocollo bisogna usare per interagire con il server che controlla la risorsa. Il metodo di accesso più comune è HTTP (protocollo nativo del WWW per il recupero di risorse Web) • host.domain: è l’hostname del nodo nel quale risiede la risorsa Web. • pathname: identifica la risorsa presso il server Web. In particolare, si specifica il cammino all’interno dell’organizzazione del file system dedicata alle risorse Web. Nel caso in cui il pathname non contenga alcun nome di file, si suppone che la pagina selezionata sia “index.html”. 9 Gennaio 2001 Naming di Internet e del Web INTERNET WORLD WIDE WEB DNS URL Host Risorsa Web Hostname Valore URL Così come host è un termine più ampio di computer, risorsa Web ha un significato più ampio di pagina HTML 10 Gennaio 2001 Ingredienti del WWW • Meccanismi di comunicazione e naming di Internet – TCP/IP – DNS • Tre nuovi standard – Sistema di indirizzamento delle risorse URL – Linguaggio HTML – Protocollo HTTP • Sistema client-server – Client (Browser) – Server Web 11 Gennaio 2001 Concetto di Ipermedia • I documenti Web tipicamente contengono un insieme di – – – – testo immagini puntatori selezionabili ad altre risorse (audio) – (video) Ipermedia • Uso mediante “point-and-click” 12 Gennaio 2001 Documento Web • Una pagina è costituita da vari oggetti (testo, immagini binarie, …), detti embedded objects • Ad ogni oggetto corrisponde un file • Caratteristiche del testo tipico: – Rappresentazione in standard ASCII – Si specifica sia il contenuto sia la rappresentazione – Scritto nel linguaggio di markup HTML 13 Gennaio 2001 Linguaggio di markup Per permettere la corretta visualizzazione dell’informazione su qualsiasi piattaforma hardware connessa in rete è stato necessario definire un nuovo linguaggio di markup per la formattazione delle pagine: – Fornisce delle linee guida generali per la rappresentazione del contenuto. – Non specifica esattamente il formato e la posizione del testo, lasciando ai browser la definizione dei dettagli. Due browser potrebbero visualizzare lo stesso documento in modo differente. 14 Gennaio 2001 Linguaggio HTML • Sebbene siano stati proposti modifiche ed altri standard*, a tutt’oggi HyperText Markup Language (HTML) rimane il “linguaggio del Web”. • La pagina HTML è un file di solo testo ASCII. • Il testo è free-format. • Contenuto del testo e specifiche di formato sono inseriti nello stesso file. * XML sembra essere il nuovo standard più promettente 15 Gennaio 2001 Istruzioni HTML • La descrizione dei contenuti dell’ipertesto viene effettuata inserendo all’interno del testo stesso alcune istruzioni dette marcatori o markup o tag che producono le visualizzazioni e le azioni specificate. • Le istruzioni HTML sono racchiuse tra parentesi angolari, nella forma <tag>, e vengono terminate da un tag di chiusura nella forma </tag>. Es. <CENTER> <B> <FONT="Arial"> <FONT COLOR="#336633"> <FONT SIZE=+1> Informazioni generali </FONT></FONT></FONT></B></CENTER> 16 Gennaio 2001 Schema di un documento HTML <HTML> <HEAD> <TITLE> Titolo del documento </TITLE> </HEAD> <BODY> Corpo del documento </BODY> </HTML> 17 Gennaio 2001 Tag àncora • L’istruzione più innovativa dell’HTML è l’àncora delimitata dai tag <A>…</A>, in quanto tale elemento permette di trasformare un normale testo in ipertesto multimediale • Un àncora può far riferimento ad una sezione della stessa pagina oppure ad una qualsiasi risorsa (testuale, multimediale, eseguibile) presente sul Web, denotata mediante un URL che va inserito all’interno del tag àncora <A HREF="http://www.uniroma1.it/studenti/erasmus.html”> Programma Erasmus </A> • Il testo Programma Erasmus viene visualizzato in modo differente e risulta un link simbolico selezionabile via mouse 18 Gennaio 2001 Ingredienti del WWW • Meccanismi di comunicazione e naming di Internet – TCP/IP – DNS • Tre nuovi standard – Sistema di indirizzamento delle risorse URL – Linguaggio HTML – Protocollo HTTP • Sistema client-server – Client (Browser) – Server Web 19 Gennaio 2001 Protocollo HTTP • HyperText Trasmission Protocol (HTTP) è il protocollo che permette il reperimento delle risorse Web. • E’ un protocollo applicativo (5° livello) di richiesta/risposta basato tipicamente sulla suite di protocolli TCP/IP. • Tutti i client e server Web devono supportare il protocollo HTTP per poter scambiare richieste e risposte. Per questa ragione i client e i server Web sono chiamati anche client HTTP e server HTTP. 20 Gennaio 2001 Richiesta HTTP • Una richiesta HTTP comprende un metodo, un URL, l’identificativo della versione del protocollo HTTP, ed un insieme di extension header. • Il metodo specifica il tipo di operazione che il client richiede al server. Il metodo più comune è GET che serve per acquisire pagine Web. • Gli header contengono informazioni addizionali, quali la data e l’ora della comunicazione, il tipo di software utilizzato dal client, i tipi di dato che il browser è in grado di visualizzare, per un totale di circa 50 tipi di header differenti. 21 Gennaio 2001 Risposta HTTP • Una risposta HTTP comprende, oltre al contenuto della risorsa richiesta, un header contenente l’identificativo della versione del protocollo HTTP, il codice di stato, l’informazione di stato in forma testuale, ed un insieme di possibili altre informazioni di risposta. • Se la pagina richiesta, oltre al testo HTML, contiene altri oggetti, ciascuno di essi sarà identificato da un URL differente, per cui è necessario che il browser invii un esplicito messaggio di richiesta per ognuno degli elementi collegati alla pagina. 22 Gennaio 2001 Alcuni codici di risposta Esito Codice numerico (status code) Specifica testuale (reason phrase) OK, la risorsa è stata trovata e viene inviata 200 OK Risorsa spostata 301 Moved permanently Risorsa non modificata 304 Not Modified Richiesta non valida 400 Bad request Richiesta di autenticazione 401 Unauthorized Richiesta di pagamento 402 Payment required Accesso vietato 403 Forbidden Risorsa non esistente 404 Not found Errore nel server 500 Server error Non implementato 501 Not Implemented Gateway difettoso 502 Bad Gateway Servizio non disponibile 503 Service Unavailable 23 Parte 2: Client WWW Gennaio 2001 Client Web (Browser) • Il client Web è un’applicazione software che svolge il ruolo di interfaccia fra l’utente ed il WWW, mascherando la complessità di Internet. • Funzioni principali – inviare opportuni messaggi al server Web per ottenere le risorse richieste – interpretare il codice ipertestuale HTML – elaborare il codice allo scopo di visualizzare in modo appropriato il contenuto delle pagine sullo schermo. 25 Gennaio 2001 Browser più diffusi • Netscape Navigator • Internet Explorer (Microsoft) 26 Gennaio 2001 Collegamento del client a Internet Il browser per poter funzionare deve essere mandato in esecuzione: – o su di una macchina connessa fisicamente ad Internet e quindi con un indirizzo IP fissato, – oppure su di una macchina che può connettersi in modo remoto, per esempio tramite modem e Internet Service Provider (ISP), e a cui viene assegnato un indirizzo IP, possibilmente diverso, al momento di ciascuna connessione. 27 Gennaio 2001 Componenti di un browser Interprete HTML Input da mouse e tastiera Controller Driver Altro interprete (plug-in) Client Http Output verso lo schermo Client Http Interfaccia di rete Comunicazioni con il server Web 28 Gennaio 2001 Fasi di una richiesta HTTP oggetto Web Client browser (5) richiesta HTTP (4) INTERNET (1) server Web 144.55.62.18 (3) 144.55.62.18 (2) www.uniroma.it? name server locale name server autoritativo per www.uniroma1.it Fase di lookup: (1) - (2) - (3) Fase di richiesta: (4) - (5) 29 Gennaio 2001 Azioni di un browser (1) Fase di lookup • Il browser acquisisce dall’utente l’URL da richiedere. • Il browser invoca il name server per conoscere, tramite il sistema DNS, l’indirizzo IP dell’URL cercato. Se esistente, il DNS restituisce l’indirizzo IP. Fase di richiesta Il browser attiva una connessione TCP con l’host che ha l’indirizzo IP individuato. Sfruttando questa connessione, il browser richiede mediante il protocollo HTTP la risorsa specificata nell’URL. Il server Web invia la pagina richiesta. • Se vi sono oggetti allegati alla pagina, il browser effettua 30 una richiesta per ciascuno di essi. Gennaio 2001 Azioni di un browser (2) Fase di visualizzazione Una volta inviati tutti gli oggetti (nel caso di protocollo HTTP/1.1) o dopo aver inviato ciascun oggetto (protocollo HTTP/1.0), il server chiude la connessione TCP. Non appena riceve il primo file, il browser analizza come visualizzare sul monitor il testo contenuto nella pagina. Il browser carica e mostra gli eventuali oggetti allegati alla pagina. Nel caso in cui l’oggetto ricevuto è in qualche formato non direttamente interpretabile dal browser, questi può attivare un apposito programma plug-in che ne consente la visualizzazione. 31 Gennaio 2001 Azioni client-server Web Analisi Fase di URL lookup Invio richiesta Arrivo Arrivo Analisi Elaborazione Invio Arrivo richiesta richiesta al richiesta richiesta risposta risposta Analisi Visualizz. al server processo server completata completata completata al client risposta risposta Latenza di rete client-server Client (browser) Tempo di Tempo di attesa in coda parsing Tempo di elaborazione: CPU+Disk Tempo di trasm. Latenza di rete risposta server server-client Server Web 32 Parte 3: Server WWW Gennaio 2001 Componenti di un sito Web • Piattaforma hardware • Software di base • Parte informativa del sito Web – Il sito deve mettere a disposizione un insieme di risorse Web che possono essere richieste dai client con cui vengono instaurate delle connessioni HTTP. • Server Web – Il processo server ed il relativo software che viene eseguito sulla piattaforma stabilisce il collegamento tra la piattaforma (hardware - software di base) e la parte informativa del sito Web. 34 Gennaio 2001 Compiti del server Web Il compito del server che fornisce pagine Web statiche è molto semplice: – attendere da parte dei browser richieste di connessione TCP attraverso cui ricevere una richiesta HTTP – decifrare l’URL della richiesta per determinare il file cercato – controllare se il file è disponibile – in caso affermativo, spedire il file al browser attraverso la connessione TCP aperta – infine, chiudere la connessione subito dopo aver inviato l’ultimo pacchetto concernente il file 35 Gennaio 2001 Richiesta di un oggetto statico Client (browser) DNS server Web DNS lookup CPU memoria disco rete 36 Gennaio 2001 Richiesta di un oggetto dinamico Client (browser) DNS server applicativo server Web DNS lookup CPU disco rete 37 Parte 4: Ottimizzazioni del WWW Gennaio 2001 Il “lato oscuro” del Web Netscape error: web server www.dsi.unimo.it ... not responding. Server may have crashed or is overloaded. OK 39 Gennaio 2001 Possibili ottimizzazioni • Mirroring • Proxy caching e CDN • Sistemi Web paralleli (distribuiti localmente) • Sistemi Web distribuiti (geograficamente) 40 Gennaio 2001 Server Proxy Nel caso più semplice la comunicazione tra client e server Web avviene direttamente. Più in generale, ove non sia possibile o non conveniente che il client contatti direttamente il server, vengono utilizzati degli intermediari che possono essere di vari tipi, ma tra cui il più diffuso è il server proxy. 41 Gennaio 2001 Richieste tramite server proxy Client 1 (1) (2) (3) (4) Server proxy Server Web Client k FIREWALL Il server proxy agisce sia da server nei confronti del client Web sia da client nei confronti del server Web. 42 Gennaio 2001 Caching dell’informazione • I server proxy, nati come intermediari per consentire la comunicazione tra client all’interno di Intranet con server Web esterni, sono anche utilizzati come strumenti di caching (memorizzazione temporanea) dell’informazione. • MOTIVO: è elevata la probabilità che i client della stessa organizzazione possono essere interessati alle medesime informazioni Web. • Nel momento in cui tale informazione viene reperita per la prima volta da un server Web, può essere conveniente memorizzarla nel server proxy, in modo che successive richieste per la stessa pagina provenienti dalla stessa rete possono essere soddisfatte localmente. 43 Gennaio 2001 Proxy caching Client 1 Server proxy (cache) Cache Miss Server Web Cache Hit Client k Server proxy (cache) FIREWALL 44 Gennaio 2001 Content Delivery Network 45 Gennaio 2001 Ottimizzazioni dal lato server Web Sistemi con più memoria e con CPU più potenti LAN WAN Sistemi con più server 46 Gennaio 2001 Sistemi Web paralleli server Web 2 server Web 1 server Web 3 Client browser richiesta/risposta HTTP LAN INTERNET Switch 144.55.62.18 144.55.62.18 www.uniroma1.it? name server locale server Web 4 name server autoritativo per www.uniroma1.it server Web 5 47 Gennaio 2001 Sito Web distribuito geograficamente Server Web 48 Parte 5: Conclusioni Gennaio 2001 Sintesi (parole chiave del WWW) • risorse Web • browser • URL • fase di lookup • ipertesto - ipermedia • server Web • linguaggio di markup • server proxy • HTML • proxy caching • tag - tag àncora • sistemi Web paralleli • client/server • sistemi Web distribuiti geograficamente • protocollo HTTP 50