站长资源网络编程

在 Blog 盛行的今天,一些 Web 应用需要解析大量的 RSS Feed .如何提高效率是个非常重要的问题．在 MagpieRSS 的 Features　中列举了这样的一条： HTTP Conditional GETs Save bandwidth and speed up download times with intelligent use of Last-Modified and ETag.. 这里的 Etag 引起了我的注意．

什么是 Etag ?

通过阅读 RFC 2616 ,得到了对 Etag 的一点印象:

The ETag response-header field provides the current value of the entity tag for the requested variant......Entity tags are normally "strong validators," but the protocol provides a mechanism to tag an entity tag as "weak." One can think of a strong validator as one that changes whenever the bits of an entity changes, while a weak value changes whenever the meaning of an entity changes. Alternatively, one can think of a strong validator as part of an identifier for a specific entity, while a weak validator is part of an identifier for a set of semantically equivalent entities.

从上我们可以大致得知，Entity tags 本质上说是一种"强校验器"，但是 HTTP 协议提供了一种通过给 Entity tags 打标签的"弱"的机制(类似于内容的校验码)．虽然这段话后面通过两种方式进行了解释，但是还是有些晦涩．我看了这段话之后只是得出了 Etag 的 "E" 代表 "Entity" 而已.

Magpie 首页上提到了一篇文章: HTTP Conditional Get for RSS Hackers ,拜读之后清晰了许多．要先说说 HTTP Conditional GETs 的基本原理，很简单，就是说，从 Web 服务器取数据的时候，如果文件变化了，给我新的文件，如果文件没有变化，只需告诉客户端没有变化即可，不必再把文件取回来．这样就可节省大量的网络带宽和资源．

Etag 与 Last-Modified 是从 HTTP 1.0 到 HTTP 1.1 才有的概念．当我们从 Web 服务器获取文件的时候,只需要读取 HTTP 响应头的　Etag 与 Last-Modified　字段即可，这两个字段里面的具体内容是什么可以不管(可能会千奇百怪,RFC 2616 对 Etag 没有具体值的定义)，把这两个值 Cache 在本地，下次检查文件是否更新的时候比对这两个值即可．如果没有变化，服务器的响应代码不是 HTTP 200 (OK) , 而是 304.

如上图．目前 OpenRSS 虽然订阅了40 多个 Feed,但是响应速度很不错．在使用 Gregarius 的过程中(Lilina 也应用了 ETag)，发现了 FeedBurnrer 烧录的 Feed ,几乎都是用了 Etag 的(否则估计服务器要瘫痪,Hoho).我们再测试一下 HTTP header 的响应情况:

$ curl -I http://feeds.feedburner.com/dbanotes
HTTP/1.1 200 OK
Date: Tue, 25 Oct 2005 11:34:15 GMT
Server: Apache
Last-Modified: Tue, 25 Oct 2005 04:30:12 GMT
ETag: U4q478bDKLqZ8UMMC8A5afZuHug
Content-Type: text/xml;charset=utf-8

$ curl -I http://feeds.feedburner.com/dbanotes
HTTP/1.1 200 OK
Date: Tue, 25 Oct 2005 11:34:21 GMT
Server: Apache
Last-Modified: Tue, 25 Oct 2005 04:30:12 GMT 
ETag: U4q478bDKLqZ8UMMC8A5afZuHug
Content-Type: text/xml;charset=utf-8

在这个期间，我的 Blog 没有更新．所以 Last-Modified 和 ETag 返回的都是相同的值.这样 Gregarius 就不必重新解析了. 国内的 GreatNews 是支持 HTTP Conditional GETs 的，更棒的是还支持 gzip/deflate encoding．而另一个　RSS 阅读工具 POPU (周博通) 就不知道了．

以上是我的笔记，如有理解错误，请指正!