之前在《高性能網(wǎng)站建設(shè)指南》中了解過(guò)ETag，但一直沒有應(yīng)用。昨晚看到百度站長(zhǎng)平臺(tái)在大力推薦ETag，忽然有一種凌凌漆接到國(guó)家任務(wù)的感覺。

　　1. 什么是ETag

　　ETag全稱為Entity Tag，中文名為實(shí)體標(biāo)簽，是Web服務(wù)器和瀏覽器用于確認(rèn)緩存組件有效性的一種機(jī)制。

　　ETag是結(jié)合對(duì)象修改時(shí)間，對(duì)象大小，INode等特征的一個(gè)字符串，于HTTP1.1引入，相對(duì)于Last-Modified，提供了比最新修改日期更為靈活的機(jī)制。

　　ETag目前主要應(yīng)用于靜態(tài)資源，比如圖片，JS和CSS文件。

　　2. ETag原理

　　當(dāng)用戶發(fā)送HTTP請(qǐng)求時(shí)，瀏覽器會(huì)使用If-None-Match頭將ETag值傳回服務(wù)器，如果ETag匹配，則返回304狀態(tài)碼；否則返回200，并傳輸HTTP內(nèi)容。

　　簡(jiǎn)單示意圖如下：

　　ETag流程圖

　　注：ETag最常用在靜態(tài)資源上，比如圖片，JS和CSS文件。據(jù)說(shuō)網(wǎng)頁(yè)上也可以使用ETag，但觀察了幾個(gè)大型網(wǎng)站都沒有使用，尚不知道原因。

　　3. 遇到的問(wèn)題和方法

　　3.1 集群帶來(lái)的準(zhǔn)確性問(wèn)題

　　ETag的默認(rèn)格式是inode-size-timestamp，這也意味著在集群中，即便對(duì)象大小，權(quán)限，時(shí)間戳，路徑全都相同，inode和ETag也會(huì)不同。也就是說(shuō)對(duì)于同樣的組件，從集群的一臺(tái)切換到另一臺(tái)，ETag就會(huì)不同。

　　如果集群中有10臺(tái)服務(wù)器，ETag匹配的準(zhǔn)確率只有10%。

　　3.2 解決方法

　　那有沒有辦法解決集群的問(wèn)題？答案是有的，需要對(duì)ETag進(jìn)行修改，建議去掉inode，使用size+timestamp，或只使用timestamp的方式。

　　百度官方也給出了Apache等服務(wù)器下的具體修改方法。

　　3.3 計(jì)算帶來(lái)的開支

　　只要有計(jì)算就會(huì)帶來(lái)額外的成本，但從百度官方提供的測(cè)試數(shù)據(jù)來(lái)看，CPU利用率會(huì)提高1%~3%，吞吐率基本不變，尚能接受。

　　5. ETag對(duì)SEO的影響

　　ETag如果配置合理，會(huì)大幅增加sitemap的利用率。百度對(duì)每個(gè)站點(diǎn)的主動(dòng)抓取有數(shù)量限制的，目前情況下，爬蟲無(wú)法準(zhǔn)確區(qū)分sitemap中哪些是新增加了網(wǎng)址的，哪些是未改變的，這就造成sitemap利用率較低。有可能爬蟲每天抓的都是萬(wàn)年不更新的sitemap文件，而我們新加了網(wǎng)址的sitemap卻一直未抓取。

　　而如果使用了ETag，爬蟲會(huì)直接略過(guò)未改變的，返回304的sitemap文件，直接抓取最近改變過(guò)的sitemap，這樣就提高了sitemap的利用率。

　　據(jù)說(shuō)sitemap權(quán)限以后會(huì)全面開放，因此ETag的應(yīng)用無(wú)論是對(duì)站長(zhǎng)還是百度都是很有幫助的。

　　注：因ETag的配置暫未上線，還沒有實(shí)戰(zhàn)數(shù)據(jù)，之后會(huì)補(bǔ)充進(jìn)來(lái)。