[Blog] 浏览器缓存策略

[lvqq]

最近在对项目做 IE 11 兼容，由 IE 的缓存问题，引发我对于浏览器缓存策略的思考。

缓存类型

web缓存主要可以分为下面几类：

• 客户端缓存
• 服务端缓存
• 数据库缓存

这里我们主要关注客户端，也就是浏览器缓存。

浏览器和服务器通信是通过 HTTP 协议，浏览器向服务器发起 HTTP 请求，服务器作出响应。当再次发起请求的时候，可以直接读取缓存中的数据，减少网络带宽的消耗，提升页面的访问速度。

根据是否重新发起 HTTP 请求，可以将浏览器缓存分为两种：强制缓存和协商缓存。

1.强制缓存

与强制缓存有关的 HTTP 头部有 Expires 和 Cache-Control

Expires

Expires 响应头包含一个 HTTP 日期(GMT 时间，非本地时间)，表示资源过期的时间。

当设置无效值，例如 0，表示资源立即过期，即不使用缓存。

//...
const getGMT = () => `${moment().utc().add(1, 'm').format('ddd, DD MMM YYYY HH:mm:ss')} GMT`

app.get('/expries', (req, res) => {
  res.setHeader('Expires', getGMT());
  res.end('ok')
});

这里使用 express 创建了一个 web 服务，在 header 中添加了 Expires 响应头，利用 moment 转化为相应的 GMT 格式，设置为 10s 后过期，可以看到首次请求时向服务端发起了 HTTP 请求，第二次则使用了缓存（disk cache），超过 10s 之后再请求时（第三次）缓存过期，重新向服务端发起 HTTP 请求。

请求时带上 Expries 请求头：

Cache-Control

Cache-Control 是一个通用首部，既可以设置在请求头中，也可以设置在响应头中，常用的取值包括以下几种：

Cache-Control 取值	含义
no-store	绝对禁止缓存
no-cache	会被缓存，但是立刻过期，要求将请求提交给原始服务器进行验证，相当于 max-age=0
private	只有浏览器可以缓存，禁止代理服务器、CDN等中间人缓存
public	资源可以被任何对象缓存
max-age	表示资源被缓存的最大时间，单位秒；当设置该值时，Expries 头部会被忽略

其中private、public只能用于响应头部中

2.协商缓存

在强制缓存中，我们根据时间来判断资源是否过期，这会存在一定弊端，当过期时间到了，即使服务端资源未改动，也会重新获取。由此我们引进了协商缓存的概念，协商缓存需要浏览器和服务器共同实现，与协商缓存有关的响应头部字段主要为以下两组：

• Last-Modified 和 If-Modified-Since
• ETag 和 If-None-Match

Last-Modified

Last-Modified 表示资源最后的修改时间（GMT 格式），具体过程如下：

1. 首次请求，服务端返回 Last-Modified 响应头部，告诉浏览器该资源的最后修改时间
2. 再次请求，如果浏览器缓存未过期，直接读取缓存中的资源（disk cache）
3. 当浏览器的缓存资源过期，此时再发起 HTTP 请求时，会自动带上 If-Modified-Since 这个请求头部，它的值即为上一次请求响应的 Last-Modified，服务端比较两个字段的值，如果一致，说明资源未改动，返回 304，否则返回更改后的资源。

可以看到再次请求时自动加上 If-Modified-Since 请求头部：

服务端实现如下：

const filePath = path.join(__dirname, '../static/index.html')

app.get('/lastModified', (req, res) => {
  const stat = fs.statSync(filePath);
  const file = fs.readFileSync(filePath);
  const lastModified = stat.mtime.toUTCString();

  res.setHeader('Cache-Control', 'public,max-age=10');

  if (lastModified === req.headers['if-modified-since']) {
    res.writeHead(304, 'Not Modified');
    res.end();
  } else {
    res.setHeader('Last-Modified', lastModified);
    res.writeHead(200, 'OK');
    res.end(file);
  }
});

ETag

当资源发生多次改动，但是资源内容未改变时，此时服务器仍需要重新返回资源。为了提升判断的精确度，引入 ETag 响应头部，表示资源特定版本的标识符，当文件内容未发生变化时，该标识符的值不会改变。具体过程如下：

1. 首次请求，服务端返回 ETag 响应头部，告诉浏览器该资源的特殊标识
2. 再次请求，如果浏览器缓存未过期，直接读取缓存中的资源（disk cache）
3. 当浏览器的缓存资源过期，此时再发起 HTTP 请求时，会自动带上 If-None-Match 这个请求头部，它的值即为上一次请求响应的 ETag，服务端比较两个字段的值，如果一致，说明资源未改动，返回 304，否则返回更改后的资源。

当文件发生变化时，响应头部的 ETag 和请求头部的 If-None-Match 不一致：

服务端实现如下：

const filePath = path.join(__dirname, '../static/index.html')

// 创建 md5 加密
const cryptoFile = (file) => {
  const md5 = crypto.createHash('md5');
  return md5.update(file).digest('hex');
}

app.get('/eTag', (req, res) => {
  const file = fs.readFileSync(filePath);
  const eTag = cryptoFile(file)

  res.setHeader('Cache-Control', 'public,max-age=10');

  if (eTag === req.headers['if-none-match']) {
    res.writeHead(304, 'Not Modified');
    res.end();
  } else {
    res.setHeader('ETag', eTag);
    res.writeHead(200, 'OK');
    res.end(file);
  }
})

3.其他

Pragma

在 HTTP/1.0 时期存在一个通用首部 Pragma ，当它的值为 no-cache 时，与 Cache-Control: no-cache 的行为一致。它在“请求-响应”链中可能会有不同的效果，现在一般用于向后兼容只支持 HTTP/1.0 的客户端。

Chrome 下测试，在请求头部/响应头部中设置 Pragma: 'no-cache' 均可以实现禁用缓存：

但在 IE 11 下，当 Pragma 置于响应头部时并未生效，可以在 IE 11 下运行测试代码进行验证。

cache

在 chrome 下控制台可以看到浏览器本地缓存分为两类：memory cache 和 disk cache，即内存缓存和磁盘缓存。

• 内存缓存主要包含当前页面已经加载的资源，例如图片、脚本等，当关闭TAB页时，内存中的缓存将被释放。
• 磁盘缓存读取较内存缓存慢，但是胜在时效性和存储容量上，页面关闭后缓存依然存在。

那么浏览器是如何区分哪些资源存放在内存中，哪些又存在磁盘中呢？

其实这个问题没有一个标准答案，普遍认为和系统当前内存的使用情况有关，如果当前系统内存使用率高，那么会优先存储在磁盘中；另外一个就是对于大文件，一般存储在磁盘中。

缓存优先级

关于优先级，强制缓存的优先级总是大于协商缓存，只有在强制缓存失效后才会发起请求进行协商缓存；

而在协商缓存中，Last-Modified表示的是一个 GMT 格式的时间，只能精确到秒，因此 ETag 的精确度要高于 Last-Modified，但同时每次进行 hash 运算生成标识也会带来额外的开销。二者都存在时，服务端应以 ETag 为准。

总的优先级如下：

Pragma > Cache-Control > Expries > ETag > Last-Modified

在Chrome下验证，当 Pragma为 no-cache，Cache-Control 设置 1000s 缓存时，浏览器会禁用缓存：

同样，设置响应头为 Cache-Control: 'no-cache' 和 Expries 为 1000s 后过期，浏览器依然禁用缓存：

缓存过程

整体的缓存过程如下：

IE 下的缓存

兼容 IE 11 的过程中踩过一些坑，在实际项目中遇到的印象比较深刻的问题是下面这个：

::: tip
由于 IE 对 GET 接口的缓存，当用户首次进入系统时，因为未登录跳转至sso，登录成功之后仍然返回的是缓存中的未登录，导致登录之后出现闪屏，在原系统和sso之间不停来回跳转。
:::

另外，由于 IE 浏览器打开控制台之后默认开启始终从服务端刷新，在 debug 阶段着实给我造成了不小的困扰，后来放弃使用控制台，通过抓包工具Charles进行截取、分析，这才定位到问题。

IE 缓存问题

究其原因，是 IE 对于 GET 请求的缓存策略问题：

• 对于首次请求，会对服务器发起请求
• 对于非首次请求，会直接从缓存中读取数据

多次发起 GET 请求时，若 url 未发生变化，IE 则认为这是非首次请求，直接读取缓存。

解决方法

1. 在 url 中加入随机标识

通过在 get 请求的 url 中加入随机标识，例如时间戳、随机数等，来达到变更 url 的目的，此时浏览器不会从缓存中读取数据

2. 设置 header 响应头部

服务端设置响应头部禁止浏览器缓存

{
  'Cache-Control': 'no-cache',
  'Pragma': 'no-cache',
  'Expires': -1,
}

3. 设置 header 请求头部

在实际项目中我采用的是这种解决方案

{
  'Cache-Control': 'no-cache',
  'Pragma': 'no-cache',
}

4. 更改为 post 请求（不推荐）

参考

• MDN/HTTP
• How to prevent caching in Internet Explorer
• How do we control web page caching, across all browsers
• 测试代码