博客
关于我
http缓存策略
阅读量:716 次
发布时间:2019-03-21

本文共 1125 字,大约阅读时间需要 3 分钟。

协商缓存与强缓存详解

资源缓存是网页性能优化的关键环节,而协商缓存与强缓存是两种常用的缓存机制,各有适用的场景。以下从理论到实践,详细探讨这两种技术。


协商缓存

协商缓存的核心作用是实现客户端与服务器之间的资源更新验证,从而提升缓存复用率。与强缓存不同,协商缓存并非直接使用本地缓存,而是通过特定的缓存字段与服务器进行确认是否需要加载最新资源。

协商缓存机制

协商缓存主要依赖以下两个协议组:

  • Last-Modified/If-Modified-Since

    这副协议用于向服务器传递资源最后一次修改的时间戳。服务器收到该字段后,会比较客户端缓存的时间戳,如果时间未更新,直接返回 304 响应,表示资源未变,不需要重新获取。

  • Etag/If-None-Match

    Etag 字段提供了资源的唯一标识,服务器通过比较客户端传递的 Etag 值,判断资源是否已过时。若匹配,返回 304;若不匹配或没有 Etag 发送,则下载最新资源。

  • 这两个字段相辅相成,协同工作,既能高效验证资源是否更新,又能提升多种客户端的兼容性(支持 HTTP/1.0 的 Last-Modified 和 HTTP/1.1 的 Etag)。


    强缓存

    强缓存的作用是直接向浏览器指定一个资源的缓存期限。在缓存期内,未进行更新验证的情况下,浏览器会直接使用本地缓存,这大大提高了加载速度。

    强缓存的实现

    强缓存主要通过以下两个字段控制:

  • Cache-Control(HTTP/1.1)

    Cache-Control 是 HTTP/1.1 中的核心字段,其可选值包括:

    • no-cache:禁止浏览器使用已有缓存副本。
    • no-cache-store:强制缓存。
    • no-cache operands:仅禁用其他缓存机制,不影响Cache-Control。
  • Expires(HTTP/1.0)

    Expires字段指定了资源的缓存期限,浏览器会在过期后重新请求资源。在使用 HTTP/1.0 时,服务器需通过设置 Expires 来控制浏览器缓存行为。


  • 如何设置

    强缓存配置

    选择强缓存时,需明确指定资源的缓存期限。强缓存应基于以下原则:

    • 只有在必要时决定强制缓存。
    • 最佳实践是结合Cache-Control和Expires字段进行双重控制。

    协商缓存配置

    协商缓存适用于需要精确验证资源状态的场景。配置步骤包括:

  • 在响应头中添加 Last-ModifiedEtag 字段。
  • 对重复请求的资源返回 304 Not Modified,如果资源未变化。
  • 若资源发生变化,返回完整的 200 响应,并更新客户端缓存。
  • 通过合理应用协商缓存,可以在不影响浏览器本地缓存的情况下,实现资源更新验证。

    转载地址:http://oxdrz.baihongyu.com/

    你可能感兴趣的文章
    Nginx配置实例-负载均衡实例:平均访问多台服务器
    查看>>
    Nifi同步过程中报错create_time字段找不到_实际目标表和源表中没有这个字段---大数据之Nifi工作笔记0066
    查看>>
    NIFI大数据进阶_离线同步MySql数据到HDFS_02_实际操作_splitjson处理器_puthdfs处理器_querydatabasetable处理器---大数据之Nifi工作笔记0030
    查看>>
    NIFI大数据进阶_连接与关系_设置数据流负载均衡_设置背压_设置展现弯曲_介绍以及实际操作---大数据之Nifi工作笔记0027
    查看>>
    NIH发布包含10600张CT图像数据库 为AI算法测试铺路
    查看>>
    NIO ByteBuffer实现原理
    查看>>
    Nio ByteBuffer组件读写指针切换原理与常用方法
    查看>>
    NIO Selector实现原理
    查看>>
    nio 中channel和buffer的基本使用
    查看>>
    NIO基于UDP协议的网络编程
    查看>>
    NISP一级,NISP二级报考说明,零基础入门到精通,收藏这篇就够了
    查看>>
    Nitrux 3.8 发布!性能全面提升,带来非凡体验
    查看>>
    NI笔试——大数加法
    查看>>
    NLog 自定义字段 写入 oracle
    查看>>
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP:使用 SciKit Learn 的文本矢量化方法
    查看>>