HTTP (HyperText Transfer Protocol – giao thức truyền siêu văn bản) là bộ quy ước để một chương trình xin tài nguyên và một chương trình khác trả lời, theo đúng nhịp một hỏi một đáp. Trình duyệt gửi một yêu cầu gồm vài dòng có khuôn: muốn làm gì, với tài nguyên nào, kèm vài thông tin phụ. Máy chủ trả về một phản hồi cũng có khuôn: kết quả ra sao, nội dung là gì, nên lưu bao lâu. Trang web, ứng dụng điện thoại gọi máy chủ, thiết bị gửi số đo lên đám mây đều nói thứ ngôn ngữ này.
Bài này mổ xẻ một thông điệp HTTP từ dòng đầu đến dòng cuối, giải thích vì sao HTTP được gọi là giao thức không trạng thái, nó đứng ở đâu trong chuỗi việc từ lúc bạn gõ địa chỉ tới lúc trang hiện ra, và nó đã đổi những gì qua các phiên bản. Các chủ đề sâu hơn như mã trạng thái, header, cookie hay bộ nhớ đệm có bài riêng trong cùng danh mục.
Hình dung HTTP như một quầy giao dịch có mẫu đơn
Thử hình dung một quầy giao dịch làm việc rất máy móc. Bạn không được nói tự do mà phải điền một mẫu đơn có ô cố định: loại giao dịch (rút, gửi, tra cứu), số tài khoản liên quan, rồi đến phần ghi chú. Nhân viên đọc mẫu, làm việc, rồi trả lại một tờ phiếu cũng có khuôn: dòng đầu ghi kết quả bằng một con số quy ước, tiếp theo là các dòng thông tin phụ, cuối cùng là nội dung chính như tờ sao kê. Xong giao dịch, nhân viên không nhớ gì về bạn; lần sau đến phải trình lại giấy tờ.
HTTP vận hành đúng như vậy. Loại giao dịch là phương thức (GET để lấy, POST để gửi dữ liệu cho máy chủ xử lý, PUT để đặt, DELETE để xoá). Số tài khoản là đích yêu cầu, thường là một đường dẫn như /bai-viet/http. Các dòng thông tin phụ là header. Con số kết quả là mã trạng thái như 200 hay 404. Còn chuyện nhân viên không nhớ bạn chính là tính không trạng thái của HTTP.
Điểm đáng chú ý là HTTP chỉ quy định khuôn của cuộc trò chuyện, không quy định đường đi của nó. Thông điệp HTTP được đặt lên một kênh truyền tin cậy bên dưới: với HTTP/1.1 và HTTP/2 là kết nối TCP (thường bọc thêm TLS để thành HTTPS), với HTTP/3 là QUIC chạy trên UDP. Cổng mặc định là 80 cho HTTP thường và 443 cho HTTPS. Nhờ tách lớp như vậy, ý nghĩa của GET hay của mã 404 giữ nguyên qua cả ba phiên bản, dù cách đóng gói trên dây khác hẳn nhau.
Một yêu cầu HTTP/1.1 gồm những phần nào
Ở HTTP/1.1, thông điệp là văn bản thuần, mỗi dòng kết thúc bằng hai ký tự CR và LF. Một yêu cầu xin trang thứ hai của mục tin tức trên một tên miền ví dụ được đọc từ trên xuống như sau:
- Dòng yêu cầu: GET /tin-tuc?trang=2 HTTP/1.1. Ba phần cách nhau bằng dấu cách: phương thức, đích yêu cầu (đường dẫn kèm chuỗi truy vấn sau dấu hỏi), phiên bản giao thức. Phần sau dấu thăng trong địa chỉ không bao giờ được gửi đi; nó chỉ dùng bên trong trình duyệt.
- Header Host: Host: vidu.vn. Bắt buộc từ HTTP/1.1, vì một địa chỉ IP có thể phục vụ hàng trăm tên miền; yêu cầu HTTP/1.1 thiếu dòng này thì máy chủ phải trả mã 400.
- Các header khác: mỗi dòng một cặp tên và giá trị cách nhau bằng dấu hai chấm, như Accept (muốn nhận định dạng gì), Accept-Language (ngôn ngữ ưa thích), User-Agent (phần mềm đang gửi), Cookie (dữ liệu máy chủ đã giao lần trước). Tên header không phân biệt chữ hoa, chữ thường.
- Dòng trống: một cặp CR LF đứng riêng, báo phần đầu đã hết. Đây là ranh giới duy nhất giữa header và thân; thiếu nó, máy chủ cứ chờ mãi.
- Thân thông điệp: có hoặc không. GET thường không có thân. POST gửi biểu mẫu thì có, kèm Content-Type cho biết thân viết theo định dạng nào và Content-Length cho biết dài bao nhiêu byte, để bên nhận biết đọc tới đâu thì dừng.
Vì thông điệp là chữ, ngày trước người học mạng có thể gõ tay một yêu cầu qua công cụ telnet tới cổng 80 và đọc phản hồi trực tiếp. Đến HTTP/2, thông điệp được mã hoá thành khung nhị phân và header được nén, nên không gõ tay được nữa, nhưng các phần logic ở trên vẫn y nguyên: phương thức, đích, header, thân.
Phản hồi HTTP: dòng trạng thái, header và nội dung trả về
Phản hồi có cấu trúc soi gương với yêu cầu. Dòng đầu là dòng trạng thái, ví dụ HTTP/1.1 200 OK: phiên bản, mã ba chữ số, rồi một cụm từ giải thích dành cho người đọc. Chương trình chỉ được dựa vào con số; cụm từ phía sau có thể là bất cứ gì, và HTTP/2 bỏ hẳn nó. Chữ số đầu cho biết nhóm: 1xx là thông tin tạm, 2xx thành công, 3xx cần làm thêm một bước, 4xx lỗi phía người gửi, 5xx lỗi phía máy chủ.
Tiếp theo là header phản hồi. Vài dòng gần như luôn có: Content-Type cho biết thân là HTML, JSON, ảnh JPEG hay gì khác, kèm bảng mã như utf-8; Content-Length hoặc Transfer-Encoding: chunked cho biết cách xác định điểm kết thúc; Date ghi thời điểm máy chủ tạo phản hồi; Cache-Control dặn các bên có được lưu lại hay không. Muốn trình duyệt nhớ một điều gì đó, máy chủ gửi thêm Set-Cookie.
Kiểu truyền chunked đáng để hiểu kỹ. Khi máy chủ sinh trang dần dần và không biết trước tổng độ dài, nó cắt thân thành từng khúc, mỗi khúc mở đầu bằng độ dài của chính nó viết ở hệ mười sáu, và kết thúc bằng một khúc dài 0. Nhờ vậy trình duyệt có thể bắt đầu vẽ phần đầu trang trong khi phần sau còn đang được tính. HTTP/2 và HTTP/3 không dùng chunked nữa vì lớp khung bên dưới đã có cờ báo kết thúc luồng.
Một điểm dễ bỏ qua: không phải phản hồi nào cũng có thân. Phản hồi cho yêu cầu HEAD, mã 204 và mã 304 theo quy định không có thân, dù header có thể mô tả một nội dung dài. Phần mềm đọc HTTP tự viết thường vấp đúng chỗ này và treo vì chờ dữ liệu không bao giờ đến.
Không trạng thái nghĩa là gì, và web nhớ bạn bằng cách nào
HTTP không trạng thái (stateless) nghĩa là mỗi cặp yêu cầu và phản hồi tự đầy đủ ý nghĩa; giao thức không bắt máy chủ nhớ yêu cầu trước đó của cùng một người. Yêu cầu thứ hai không thừa hưởng gì từ yêu cầu thứ nhất, kể cả khi chúng đi trên cùng một kết nối TCP. Thiết kế này có lý do: máy chủ không phải giữ sổ cho hàng triệu người đang xem, dễ chia tải cho nhiều máy phía sau, và một máy hỏng giữa chừng không làm mất ngữ cảnh mà các máy khác cần.
Nhưng ứng dụng thật thì cần trạng thái: giỏ hàng, tài khoản đã đăng nhập, ngôn ngữ đã chọn. Lời giải là để người gửi tự mang trạng thái theo trong mỗi yêu cầu. Cách phổ biến nhất là cookie: máy chủ gửi Set-Cookie chứa một mã phiên ngẫu nhiên, trình duyệt cất lại rồi tự đính kèm vào header Cookie ở các yêu cầu sau tới cùng trang. Máy chủ dùng mã đó để tra hồ sơ phiên trong bộ nhớ hoặc cơ sở dữ liệu. Ứng dụng di động và API hay dùng cách khác: gửi một mã truy cập trong header Authorization.
Như vậy trạng thái vẫn tồn tại, chỉ là nó nằm ở tầng ứng dụng chứ không nằm trong giao thức. Hiểu điều này giúp bạn gỡ nhiều lỗi khó hiểu: đăng nhập rồi mà trang vẫn đòi đăng nhập thường là do cookie không được gửi kèm (sai phạm vi tên miền, bị thuộc tính SameSite chặn, hoặc trình duyệt chặn), chứ HTTP không quên gì cả, vì nó chưa từng nhớ.
Từ lúc gõ địa chỉ đến lúc trang hiện: phần việc của HTTP
Chuỗi việc khi bạn mở một trang web có nhiều tầng, và mỗi tầng có bài riêng trên trang này. Ở đây chỉ đánh dấu HTTP xuất hiện ở bước nào, để bạn thấy nó là tầng trên cùng và đến sau cùng:
- Trình duyệt tách địa chỉ thành giao thức, tên máy, cổng và đường dẫn, rồi xem có bản lưu còn hạn trong bộ nhớ đệm không. Nếu có và còn tươi, nó dùng luôn mà không gửi gì ra mạng.
- Nếu cần đi mạng, trình duyệt hỏi DNS để đổi tên máy thành địa chỉ IP, trừ khi kết quả đã có sẵn từ trước.
- Trình duyệt mở kết nối: TCP rồi bắt tay TLS cho HTTPS, hoặc QUIC nếu biết máy chủ hỗ trợ HTTP/3. Trong bắt tay TLS, hai bên thoả thuận luôn phiên bản HTTP sẽ dùng qua phần mở rộng ALPN.
- Lúc này HTTP mới thực sự vào cuộc: trình duyệt gửi yêu cầu GET cho tài liệu HTML, máy chủ trả dòng trạng thái, header và thân.
- Trình duyệt đọc HTML, phát hiện thêm tệp CSS, JavaScript, ảnh, phông chữ, rồi gửi tiếp hàng chục, có khi hàng trăm yêu cầu HTTP nữa, phần lớn đi trên kết nối đã mở.
- Mỗi phản hồi được xét có lưu vào bộ nhớ đệm không, có cookie mới không, rồi trang được dựng dần lên màn hình.
Nhìn vào chuỗi này bạn thấy vì sao tối ưu web thường xoay quanh việc giảm số lần đi mạng và tận dụng kết nối có sẵn: mỗi kết nối mới tốn thêm vài lượt đi và về cho TCP và TLS trước khi byte HTTP đầu tiên được gửi.
HTTP qua các phiên bản: đổi cách đóng gói, giữ ý nghĩa
HTTP được Tim Berners-Lee đặt ra ở CERN khoảng năm 1990–1991, cùng lúc với HTML và trình duyệt đầu tiên. Từ đó đến nay giao thức đổi cách đóng gói nhiều lần, còn ý nghĩa cốt lõi gần như giữ nguyên. Năm 2022, IETF tách phần ngữ nghĩa chung ra RFC 9110; mỗi phiên bản chỉ còn mô tả cách đóng gói của riêng mình.
| Phiên bản | Mốc | Điểm chính |
|---|---|---|
| HTTP/0.9 | Đầu thập niên 1990 | Chỉ có GET, không header, không mã trạng thái; máy chủ trả HTML rồi đóng kết nối. |
| HTTP/1.0 | RFC 1945, năm 1996 | Thêm header, mã trạng thái, phương thức POST và HEAD, Content-Type để chở được ảnh và tệp khác; mặc định mỗi yêu cầu một kết nối. |
| HTTP/1.1 | RFC 2068 (1997), RFC 2616 (1999), nay là RFC 9112 | Kết nối bền làm mặc định, header Host bắt buộc, truyền chunked, bộ nhớ đệm chi tiết hơn; vẫn là văn bản thuần. |
| HTTP/2 | RFC 7540 năm 2015, nay là RFC 9113 | Khung nhị phân, nhiều luồng song song trên một kết nối TCP, nén header bằng HPACK. |
| HTTP/3 | RFC 9114, năm 2022 | Giữ ý tưởng nhiều luồng nhưng chạy trên QUIC thay cho TCP, nén header bằng QPACK. |
Ba phiên bản 1.1, 2 và 3 cùng chạy song song trên Internet hiện nay. Trình duyệt và máy chủ tự thương lượng phiên bản cao nhất mà cả hai cùng hỗ trợ, nên trang web không phải viết lại khi đổi phiên bản; thứ thay đổi là tốc độ và cách chịu đựng khi mạng chập chờn.
Những hiểu lầm hay gặp về HTTP
"HTTP là giao thức của trình duyệt." Trình duyệt chỉ là một khách hàng. Ứng dụng di động gọi máy chủ, máy chủ gọi nhau, thiết bị IoT báo số đo, công cụ dòng lệnh như curl đều dùng HTTP. Phần lớn lưu lượng HTTP hiện nay không có con người trực tiếp nhìn vào.
"HTTPS là một giao thức khác hẳn HTTP." HTTPS là HTTP y nguyên đi bên trong một kênh TLS. Phương thức, header, mã trạng thái không đổi; khác biệt là thông điệp được mã hoá và máy chủ phải chứng minh danh tính bằng chứng chỉ. Cơ chế TLS có bài riêng ở danh mục mã hoá đường truyền.
"Mỗi yêu cầu HTTP mở một kết nối mới." Đúng với mặc định của HTTP/1.0, sai từ HTTP/1.1 trở đi. Một kết nối thường chở rất nhiều yêu cầu nối tiếp nhau, và từ HTTP/2 còn chở song song cùng lúc.
"Địa chỉ trang web chính là đường dẫn tệp trên ổ đĩa máy chủ." Đích yêu cầu chỉ là một chuỗi định danh. Máy chủ có thể ánh xạ nó vào một tệp, một hàm trong mã nguồn, một bản ghi cơ sở dữ liệu, hoặc chuyển tiếp sang máy khác. Vì thế một đường dẫn không có đuôi .html vẫn trả về trang HTML bình thường.
"Mã 200 nghĩa là mọi thứ đều ổn." Mã 200 chỉ nói yêu cầu được xử lý theo nghĩa giao thức. Có những trang báo "không tìm thấy" mà vẫn trả 200, gọi là lỗi 404 mềm, khiến công cụ tìm kiếm và hệ thống giám sát hiểu sai. Mã trạng thái nên phản ánh đúng kết quả thật.
Câu hỏi thường gặp
HTTP chạy ở tầng nào trong mô hình mạng?
HTTP là giao thức tầng ứng dụng. Trong mô hình TCP/IP nó nằm trên tầng giao vận: TCP với HTTP/1.1 và HTTP/2, QUIC trên UDP với HTTP/3. Trong mô hình OSI bảy tầng, người ta thường xếp nó vào tầng 7. HTTP không lo định tuyến, chia gói hay truyền lại; các tầng bên dưới đảm nhận những việc đó.
Vì sao địa chỉ web có dấu thăng thì phần sau không tới máy chủ?
Phần sau dấu thăng gọi là fragment, dùng để trình duyệt cuộn tới một vị trí trong trang hoặc cho mã JavaScript đọc. Theo quy ước của URI, fragment chỉ có nghĩa ở phía người dùng nên trình duyệt cắt bỏ trước khi gửi yêu cầu. Muốn máy chủ nhận được thông tin, phải đặt nó vào đường dẫn hoặc chuỗi truy vấn.
HTTP có giới hạn độ dài đường dẫn không?
Đặc tả không đặt con số trần. RFC 9110 khuyến nghị phần mềm hỗ trợ đích yêu cầu dài ít nhất khoảng 8.000 byte. Trên thực tế máy chủ, proxy và trình duyệt tự đặt giới hạn riêng; vượt quá thì có thể nhận mã 414. Dữ liệu dài nên gửi trong thân yêu cầu thay vì nhồi vào đường dẫn.
Có thể xem tận mắt một yêu cầu HTTP ở đâu?
Cách dễ nhất là mở công cụ nhà phát triển của trình duyệt, chọn thẻ Network rồi tải lại trang; mỗi dòng là một yêu cầu, bấm vào sẽ thấy header gửi đi và nhận về. Trên dòng lệnh, curl kèm tuỳ chọn -v in ra cả dòng yêu cầu lẫn dòng trạng thái. Nên thử trên trang của mình hoặc trang công khai thông thường.
HTTP có tự mã hoá dữ liệu không?
HTTP thuần thì không. Mọi thứ, kể cả mật khẩu trong biểu mẫu và cookie phiên, đi trên dây dưới dạng chữ đọc được với bất kỳ thiết bị trung gian nào. Mã hoá đến từ TLS khi dùng HTTPS. Với HTTP/3 thì mã hoá là bắt buộc, vì QUIC tích hợp sẵn TLS 1.3 ngay trong bắt tay.
Phiên bản HTTP nào đang được dùng nhiều nhất?
Tỷ lệ thay đổi theo thời gian và theo cách đo, nên không có con số cố định đáng tin để ghi ở đây. Xu hướng chung là trang lớn và trình duyệt hiện đại dùng HTTP/2 hoặc HTTP/3 cho phần lớn lưu lượng, còn HTTP/1.1 vẫn phổ biến giữa các máy chủ với nhau, trong thiết bị nhúng và công cụ đơn giản.