WebSocket là giao thức cho phép trình duyệt và máy chủ giữ một kết nối TCP mở lâu dài, trên đó hai bên gửi tin cho nhau bất cứ lúc nào mà không phải mở yêu cầu mới. Nó bắt đầu như một yêu cầu HTTP bình thường, rồi xin "nâng cấp" sang một giao thức khác; nếu máy chủ đồng ý, từ khoảnh khắc đó hai đầu không còn nói HTTP nữa mà trao đổi những khung dữ liệu nhỏ gọn.
Hình dung HTTP cổ điển như việc gửi thư: mỗi câu hỏi là một phong bì, mỗi câu trả lời là một phong bì khác, và bưu điện không bao giờ tự mang thư đến nếu bạn chưa gửi đi. WebSocket giống một cuộc điện thoại đã nối máy: ai cũng có thể lên tiếng trước. Phần dưới đi qua bắt tay nâng cấp, cấu trúc khung, lý do dữ liệu từ trình duyệt bị "che mặt nạ", cách giữ kết nối sống qua các thiết bị trung gian và những lỗi hay gặp khi đưa WebSocket vào sản phẩm thật. Giao thức được chuẩn hoá trong RFC 6455 năm 2011.
Vì sao HTTP thuần không hợp với dữ liệu đẩy liên tục
HTTP sinh ra cho mô hình yêu cầu – phản hồi: máy khách hỏi, máy chủ trả lời, xong việc. Với trang tin tức hay trang bán hàng thì mô hình này rất hợp. Nhưng với bảng giá thay đổi từng giây, ô trò chuyện, bản đồ theo dõi xe giao hàng hay trò chơi nhiều người, thông tin mới nảy sinh ở phía máy chủ, và máy chủ không có cách nào chủ động báo cho trình duyệt trong HTTP cổ điển.
Cách chữa cháy đầu tiên là hỏi liên tục: cứ vài giây trình duyệt gửi một yêu cầu "có gì mới không". Phần lớn câu trả lời là "chưa có", nhưng mỗi lần hỏi vẫn tốn trọn bộ phần đầu HTTP, cookie, có khi cả bắt tay TLS nếu kết nối không được giữ. Hỏi thưa thì tin đến chậm, hỏi dày thì lãng phí. Các kỹ thuật như giữ yêu cầu treo chờ (long polling) giảm bớt lãng phí nhưng vẫn là mẹo xoay quanh một giao thức vốn không thiết kế cho việc này.
WebSocket giải quyết gốc rễ: sau một lần bắt tay, kết nối TCP được giữ lại và hai bên dùng nó như một ống dẫn hai chiều. Mỗi tin nhắn chỉ mang thêm vài byte phần đầu khung thay vì hàng trăm byte header HTTP. Độ trễ từ lúc sự kiện xảy ra ở máy chủ đến lúc trình duyệt nhận được chỉ còn xấp xỉ thời gian truyền trên mạng, không phải chờ đến lượt hỏi kế tiếp.
Bắt tay nâng cấp: từ yêu cầu GET đến mã 101
Bắt tay WebSocket đi trên HTTP/1.1, nhờ đó nó dùng chung cổng 80 và 443 với web và lọt qua phần lớn tường lửa. Trình tự như sau:
- Máy khách mở kết nối TCP (và TLS nếu dùng biến thể bảo mật wss) tới máy chủ, rồi gửi một yêu cầu GET tới đường dẫn của dịch vụ.
- Yêu cầu mang header Upgrade: websocket và Connection: Upgrade để báo ý định đổi giao thức, kèm Sec-WebSocket-Version: 13.
- Máy khách sinh 16 byte ngẫu nhiên, mã hoá base64 và đặt vào Sec-WebSocket-Key. Có thể kèm Sec-WebSocket-Protocol để đề xuất giao thức con mà ứng dụng dùng bên trong.
- Máy chủ ghép giá trị khoá đó với một chuỗi GUID cố định ghi trong chuẩn, băm bằng SHA-1, mã hoá base64 kết quả và trả về trong header Sec-WebSocket-Accept.
- Phản hồi có mã trạng thái 101 Switching Protocols. Máy khách tự tính lại giá trị accept; nếu khớp, bắt tay coi như thành công.
- Từ byte tiếp theo trên cùng kết nối TCP, hai bên chỉ trao đổi khung WebSocket.
Cần hiểu đúng vai trò của cặp khoá – accept: nó không phải cơ chế bảo mật. Mục đích là chứng minh máy chủ thật sự hiểu WebSocket, tránh trường hợp một máy chủ HTTP bình thường hoặc một bộ nhớ đệm trung gian vô tình trả lời giống như đã chấp nhận. Xác thực người dùng vẫn phải làm riêng, thường bằng cookie phiên hoặc mã thông báo kiểm tra ngay trong yêu cầu bắt tay. Máy chủ cũng nên kiểm header Origin để từ chối trang lạ mở kết nối bằng cookie của người dùng.
Cấu trúc một khung WebSocket
Sau bắt tay, mọi dữ liệu được chia thành khung. Phần đầu khung tối thiểu chỉ 2 byte, dài thêm khi tải lớn hoặc khi có mặt nạ.
| Trường | Kích thước | Ý nghĩa |
|---|---|---|
| FIN | 1 bit | Bằng 1 nếu đây là khung cuối của một tin nhắn; tin dài có thể chia thành nhiều khung nối tiếp |
| RSV1–RSV3 | 3 bit | Dành cho phần mở rộng, ví dụ nén theo từng tin nhắn dùng RSV1; không thoả thuận thì phải bằng 0 |
| Opcode | 4 bit | Loại khung: 0x1 văn bản, 0x2 nhị phân, 0x0 khung nối tiếp, 0x8 đóng, 0x9 ping, 0xA pong |
| MASK | 1 bit | Bằng 1 nếu tải đã được che mặt nạ; khung từ máy khách gửi lên bắt buộc phải bằng 1 |
| Độ dài tải | 7 bit, có thể thêm 16 hoặc 64 bit | Giá trị 0–125 là độ dài thật; 126 nghĩa là 2 byte sau chứa độ dài; 127 nghĩa là 8 byte sau chứa độ dài |
| Khoá mặt nạ | 0 hoặc 4 byte | Có khi MASK bằng 1; dùng để XOR với từng byte tải |
| Tải | theo độ dài | Dữ liệu ứng dụng; khung văn bản phải là UTF-8 hợp lệ |
Ví dụ giả định: trình duyệt gửi chữ "chao" gồm 4 byte. Phần đầu là 2 byte cơ bản cộng 4 byte khoá mặt nạ, tổng cộng 10 byte đi trên dây cho 4 byte nội dung. So với một yêu cầu HTTP mang cookie dài vài trăm byte, mức tiết kiệm rất rõ khi tin nhắn nhỏ và dày. Khung điều khiển như ping, pong, đóng có tải tối đa 125 byte và không được chia nhỏ, để chúng luôn chen được vào giữa một tin nhắn dài đang truyền dở.
Mặt nạ dữ liệu: vì sao trình duyệt phải "che" mọi khung gửi lên
Nhiều người đọc chuẩn lần đầu nghĩ mặt nạ là mã hoá. Không phải. Khoá mặt nạ được gửi ngay trong khung, ai bắt được gói tin cũng gỡ ra được bằng một phép XOR. Mục đích của nó là bảo vệ các thiết bị trung gian chứ không bảo vệ nội dung.
Câu chuyện bắt nguồn từ các proxy bộ nhớ đệm đời cũ đứng giữa người dùng và Internet. Nếu một trang độc hại điều khiển được chính xác từng byte trình duyệt gửi đi trên kết nối WebSocket, nó có thể soạn những byte trông giống hệt một yêu cầu HTTP khác. Proxy không hiểu WebSocket có thể đọc nhầm, đi lấy một tài nguyên và lưu nhầm nội dung do kẻ xấu chọn vào bộ nhớ đệm cho người khác dùng. Hiện tượng này được gọi là đầu độc bộ nhớ đệm.
Bằng cách bắt trình duyệt XOR mọi khung với một khoá ngẫu nhiên mới cho từng khung, mã JavaScript trên trang không còn quyết định được byte thật đi trên dây. Vì thế máy chủ phải đóng kết nối nếu nhận khung không có mặt nạ từ máy khách, còn khung từ máy chủ gửi xuống thì không được che. Muốn nội dung bí mật thật sự, bạn dùng wss, tức WebSocket chạy trên TLS, giống quan hệ giữa HTTPS và HTTP.
Giữ kết nối sống: ping, pong và những thiết bị hay cắt ngang
Thiết bị trung gian không thích kết nối im lặng. Bộ cân bằng tải, proxy ngược, tường lửa có trạng thái và thiết bị NAT đều giữ bảng kết nối với thời gian chờ. Kết nối không có byte nào đi qua trong một khoảng, thường từ vài chục giây đến vài phút tuỳ cấu hình, có thể bị xoá khỏi bảng mà không ai báo cho hai đầu.
Ping và pong là nhịp tim có sẵn. Một bên gửi khung ping, bên kia phải trả khung pong mang đúng tải đó càng sớm càng tốt. Trình duyệt tự trả pong mà mã JavaScript không cần can thiệp. Gửi ping đều đặn vừa giữ cho bảng kết nối của thiết bị trung gian được làm mới, vừa giúp phát hiện đầu kia đã biến mất.
Phát hiện kết nối "chết lâm sàng". Khi điện thoại chuyển từ Wi-Fi sang mạng di động, kết nối TCP cũ thường không được đóng gọn. Phía máy chủ vẫn tưởng còn người dùng cho đến khi thử gửi và chờ hết thời gian. Quy tắc phổ biến: nếu sau vài nhịp ping không thấy pong, coi như kết nối đã mất và dọn tài nguyên.
Máy khách phải tự kết nối lại. WebSocket không có cơ chế tự nối lại. Ứng dụng cần tự mở kết nối mới, chờ tăng dần giữa các lần thử kèm một chút ngẫu nhiên để hàng nghìn máy khách không ập vào cùng một giây sau sự cố, và có cách lấy bù những tin đã lỡ, ví dụ gửi kèm mã tin cuối cùng đã nhận.
Đóng kết nối và đọc mã đóng
Đóng WebSocket đúng cách là một cuộc bắt tay nhỏ. Bên muốn đóng gửi khung opcode 0x8, tải có thể chứa 2 byte mã đóng và một câu lý do ngắn. Bên kia đáp lại bằng khung đóng của mình, sau đó kết nối TCP mới được đóng. Theo chuẩn, phía máy chủ nên là bên đóng TCP trước, để máy khách không phải giữ trạng thái chờ của TCP.
Vài mã hay gặp khi đọc nhật ký: 1000 là đóng bình thường, 1001 nghĩa là một đầu đang rời đi, chẳng hạn máy chủ khởi động lại hoặc người dùng đóng tab, 1002 là lỗi giao thức, 1003 là nhận kiểu dữ liệu không chấp nhận, 1008 là vi phạm chính sách, 1009 là tin nhắn quá lớn, 1011 là máy chủ gặp lỗi bất ngờ. Riêng 1006 không bao giờ xuất hiện trên dây: thư viện tự gán khi kết nối đứt mà không có khung đóng nào, đúng loại lỗi do mạng hoặc thiết bị trung gian gây ra.
Khi theo dõi một hệ thống thật, tỉ lệ 1006 tăng vọt thường chỉ ra vấn đề hạ tầng chứ không phải mã ứng dụng: proxy cắt kết nối im lặng quá sớm, bộ cân bằng tải triển khai lại, hoặc mạng di động chập chờn ở một khu vực.
Những điều cần tính khi đưa WebSocket vào hệ thống thật
Bắt tay và khung chỉ là phần giao thức. Khi số kết nối lên đến hàng chục nghìn, các câu hỏi sau mới là chỗ tốn công:
- Kết nối có trạng thái: mỗi người dùng gắn với một máy chủ cụ thể trong suốt kết nối. Muốn phát một tin cho mọi người, các máy chủ cần một kênh chung phía sau, như hàng đợi tin nhắn hoặc hệ thống phát – đăng ký.
- Proxy và bộ cân bằng tải phải hỗ trợ nâng cấp: với HTTP/1.1, proxy phải chuyển tiếp header Upgrade và Connection; nhiều cấu hình mặc định bỏ chúng đi và bắt tay thất bại ngay.
- WebSocket trên HTTP/2: HTTP/2 không có cơ chế Upgrade; chuẩn RFC 8441 bổ sung cách mở WebSocket bằng phương thức CONNECT mở rộng trên một luồng. Không phải máy chủ và trình duyệt nào cũng bật sẵn, nên cần kiểm phiên bản hiện hành.
- Giao thức con của riêng bạn: WebSocket chỉ chở khung, không quy định tin nhắn nghĩa là gì. Bạn phải tự thiết kế định dạng, mã tin, xác nhận nhận và cách xử lý tin trùng.
- Giới hạn kích thước và tốc độ: đặt trần độ dài tin nhắn và số tin mỗi giây cho từng kết nối để một máy khách lỗi không làm nghẽn cả máy chủ.
- Triển khai lại không làm rơi người dùng: khi tắt một máy chủ, gửi khung đóng 1001 trước và để máy khách nối sang máy khác, thay vì cắt TCP đột ngột.
Nếu dữ liệu chỉ chảy một chiều từ máy chủ xuống, ví dụ bảng tin cập nhật hay thông báo tiến độ, có một lựa chọn nhẹ hơn là Server-Sent Events chạy trên HTTP thông thường. So sánh chi tiết giữa các cách đẩy dữ liệu nằm ở bài riêng trong cùng danh mục.
Câu hỏi thường gặp
WebSocket có thay thế được HTTP không?
Không. WebSocket mượn HTTP để bắt tay rồi chạy song song cho một nhu cầu cụ thể là trao đổi hai chiều liên tục. Tải trang, ảnh, tệp, gọi API thông thường vẫn hợp với HTTP vì có bộ nhớ đệm, mã trạng thái và công cụ hỗ trợ đầy đủ.
WebSocket dùng cổng nào?
Thông thường WebSocket dùng cổng 80 cho kết nối không mã hoá và cổng 443 cho kết nối chạy trên TLS, giống web. Đó là chủ ý thiết kế để đi qua tường lửa doanh nghiệp vốn chỉ mở hai cổng này. Dịch vụ vẫn có thể chạy ở cổng khác nếu muốn.
Mặt nạ trong khung WebSocket có giúp giữ bí mật dữ liệu không?
Không. Khoá mặt nạ nằm ngay trong khung nên ai bắt được gói tin cũng gỡ được. Mặt nạ chỉ để ngăn trang độc hại điều khiển byte trên dây nhằm lừa proxy đời cũ. Muốn bảo mật nội dung phải dùng WebSocket trên TLS.
Vì sao kết nối WebSocket hay tự đứt sau một lúc không dùng?
Thường là do một thiết bị ở giữa như proxy, bộ cân bằng tải hoặc NAT xoá kết nối im lặng quá thời gian chờ. Gửi ping đều đặn từ máy chủ hoặc máy khách, với chu kỳ ngắn hơn thời gian chờ của thiết bị đó, sẽ giữ kết nối sống.
Mã đóng 1006 nghĩa là gì?
Mã 1006 không được gửi trên dây mà do thư viện tự gán khi kết nối mất đột ngột, không có khung đóng nào được trao đổi. Nguyên nhân thường nằm ở mạng, ở thiết bị trung gian hoặc ở tiến trình máy chủ bị dừng, không phải ở logic ứng dụng.
Có nên dùng WebSocket cho ứng dụng chỉ cần nhận thông báo từ máy chủ?
Dùng được, nhưng không nhất thiết. Nếu dữ liệu chỉ đi một chiều từ máy chủ xuống, Server-Sent Events đơn giản hơn: chạy trên HTTP thường, trình duyệt tự kết nối lại và gửi kèm mã sự kiện cuối. WebSocket đáng giá khi máy khách cũng gửi lên dày đặc.