1. 从轮询到长连接:WebSocket 到底解决了什么问题
聊 WebSocket 之前,还是得先回到那个老问题:为什么我们需要它?如果你写过早期的 Web 实时功能,一定体验过 HTTP 轮询那种“用并发换实时”的拧巴劲儿。前端每隔几秒发一个 Ajax 请求,去问服务器“有数据了吗?有数据了吗?”,服务器哪怕没什么可说的,也得回一个响应把连接占住。在社区团购、在线协作、大屏监控这类实时性要求高的场景里,轮询的时间间隔一旦控制不好,要么延迟看着难受,要么服务器压力直接爆炸。
我最早做一个小型 IM 原型时,用的就是 2 秒一次的长轮询,线上同时在线大概几百人,结果每次做活动流量一冲,后端连接数和数据库查询量就开始飙升。后来换成了 WebSocket,负载才真正降下来。这个项目本身不算复杂,但它是让我真正理解 WebSocket 价值的一次实战:WebSocket 解决的并不是“能不能收到数据”的问题,而是“能不能用更低的成本、更及时的通道收到数据”的问题。
它的核心设计思路,是在 TCP 之上建立一条长连接,让客户端和服务器可以随时双向发送数据。需要说明的是,WebSocket 并不是完全取代 HTTP,而是借用 HTTP 的握手流程完成协议升级,之后的数据传输就走自己的帧格式了。这一设计让它在实时性、服务端推送、消息频次上都有天然优势,同时又能复用 HTTP 的端口和部分基础设施,所以部署起来并不需要额外开一个特别端口,也不必改动太多网络策略。
1.1 HTTP 轮询的痛点和 WebSocket 的设计出发点
在 WebSocket 普及之前,常见的实时方案无非就是短轮询和长轮询。
短轮询最简单,前端用一个定时器,每隔固定时间发一次请求,拿完数据再等下一个周期。代码写起来也就几行,但问题特别明显:数据没更新时,请求是浪费的;数据刚更新完的瞬间,客户端可能还在等待下次轮询,实时性被硬生生削掉一大截。长轮询稍好一些,服务器挂住请求不立即返回,等到有新数据才响应,前端收到后再发起下一次请求。这个方式能实现“伪实时”,但连接频繁建立和释放,对 HTTP 层的资源消耗仍然很大,而且一旦中间有代理服务器或负载均衡器设置了超时,长轮询就会因为连接被切断而表现得很不稳定。
WebSocket 的“升级”之处在于两个方向:一是 连接复用,握手完成后一条 TCP 连接即可长期传输,不会像 HTTP 那样请求-响应一次就断;二是 双工通信,服务器不再被动等请求,而是可以主动把数据“推”给客户端。这就把之前轮询模型里“客户端拉取”的模型,变成了“服务器推送”的模型,实时性、资源占用、网络开销都得到了明显改善。
1.2 WebSocket 的握手过程与协议格式浅析
很多初学者以为 WebSocket 只是在 HTTP 上加了一个长连接开关,其实握手的细节非常讲究,而且理解握手对排查线上问题特别重要。
先说握手:客户端发起一个普通的 HTTP GET 请求,带上了 Upgrade: websocket 和 Connection: Upgrade 两个头,同时还有一个 Sec-WebSocket-Key,这个字符串是客户端随机生成的 Base64 编码值。服务器收到后,会把这个 Key 拼上一个固定 GUID(258EAFA5-E914-47DA-95CA-C5AB0DC85B11),做一次 SHA-1 哈希,再把结果 Base64 编码,通过 Sec-WebSocket-Accept 返回给客户端。客户端校验这个 Accept 值,如果一致,握手成功,连接正式建立。
这个过程为什么会存在? 我刚开始也不理解为什么要搞一个 Key 校验,后来抓了几次包才明白,这其实是防止一些没升级的代理服务器“无意中”把 Upgrade 请求缓存下来,也可能造成后续语义混乱。通过 Challenge-Response 机制,客户端可以确认服务器真正理解 WebSocket 协议,而不是某个中间层误转发。
握手完成后,数据传输就走 WebSocket 帧了。帧格式里有个非常关键的细节:客户端发给服务器的帧必须做掩码(Masking)处理,而服务器发给客户端的帧不应该做掩码。这个设计是为了防止协议被滥用成“代理缓存投毒”攻击,属于安全设计的一部分。实际开发中,框架都会自动处理掩码,但你自己写服务端解析时,如果忘记对客户端帧做掩码解除,就会出现解析出来的数据莫名其妙乱码的情况。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 浏览器端的连接管理与实战设计
说完了原理,进入实战环节。HTML5 时代,浏览器端使用 WebSocket 的入口非常统一,就是全局的 WebSocket 对象,各家浏览器支持得都相当好,连早年移动端的 WebView 也基本没有兼容问题。API 用起来并不复杂,真正考验水平的,反而是连接生命周期管理、心跳保活、数据格式设计以及断线重连的容错策略。
2.1 建立连接与监听事件
一行代码就能建立连接:
javascript复制const ws = new WebSocket('ws://your-server.com/ws');
如果用加密通道就使用 wss://,注意浏览器对混合内容有严格限制,HTTPS 页面下不允许发起 ws:// 的 WebSocket 连接,必须用 wss://,否则会直接被浏览器拦截。这个坑我踩过不止一次,本地开发用的是 http://localhost,WebSocket 地址用 ws:// 没问题,但一部署到线上走了 HTTPS,就出现连接失败,控制台报错却是“SecurityError”,当时排查了很久才意识到是协议匹配的问题。
连接建立后,需要监听几个核心事件:
open:连接建立成功,此时可以主动向服务器发送数据。message:收到服务器消息,事件对象的data属性携带数据。close:连接关闭,可能由客户端、服务器或网络异常触发。error:发生错误,通常在连接失败或帧数据异常时触发。
一个常见误区是以为 error 发生后连接还会继续使用,其实 error 之后往往跟着 close。所以正确做法是:在 error 里做日志记录,在 close 里判断是否需要重新连接。现场排查问题的时候,如果没有区分这两个事件,往往会错过真正有价值的错误上下文。
2.2 发消息、收消息与二进制数据的姿势
send 方法可以在连接打开后随时使用:
javascript复制// 字符串消息
ws.send('hello server');
// JSON 消息,实际项目中强烈建议统一使用 JSON 作为业务层协议
ws.send(JSON.stringify({ type: 'join', roomId: '1001' }));
WebSocket 还可以发送二进制数据,比如 ArrayBuffer、Blob 类型的数据。浏览器收到二进制帧时,会根据你设置的 binaryType 属性来决定把数据解析成 ArrayBuffer 还是 Blob。比如做实时音频或视频帧传输的时候,binaryType = 'arraybuffer' 会更方便直接操作字节;而做文件传输时,Blob 可能更容易处理。
我自己在做一个音频实时
