web应用上线之前应该了解的技术细节

原文http://blog.jobbole.com/86786/

作者：伯乐在线 

问题

Web 应用上线前，程序员应考虑哪些技术细节呢？ 如果  Jeff Atwood 忘记把  HttpOnly cookies、 sitemaps 和  cross-site request forgeries 放在同一个网站，那我会把什么重要的东西也会忘掉呢？

我以一个 Web 开发人员的角度思考这个问题，别人为网站进行美化设计并填充内容。因此，他们可能认为可用性和内容比平台更重要，程序员在这方面没多少发言权了。而你需要考虑到的是：你实现平台的稳定性、安全性和满足其它商业目的（如成本不要太高、耗时不要太长和网站排名）。

而以一位已经在相当可信的环境下，完成了几个企业内网应用程序项目的开发者角度思考，并在一个流行且权威网站上为整个糟糕的万维网打响第一枪。

另外，我希望能回答得更加具体一点，而不仅仅是一个“Web标准”这样模糊的答案。通过 HTTP 传输的 HTML、JavaScript、CSS 是必须要掌握的，特别是针对那些资深 Web 开发者。所以，超出上述范围，哪一个标准？在什么环境下，并且为什么这样？ 麻烦您提供一个跳转到该标准说明的链接。

最佳回复

下面列表里的大部分内容，我们大多数人都应该已经听过了。所以在这之前，你可能只有一到两个项目没有深入查看和理解透彻，或甚至没听过。

界面和用户体验

• 应意识到浏览器实现标准不一致，并确保你的网站能在所有主流浏览器上合理运行。至少起码在最近的  Gecko 引擎（ Firefox）、Webkit 引擎（ Safari 和一些移动端浏览器）、 Chrome、支持  IE 浏览器（利用  Application Compatibility VPC Images 进行测试）和  Opera。另外，也要考虑浏览器在不同操作系统下是如何渲染网站的。
• 要考虑到用户除了通过主流浏览器来浏览网站外，还有其它方式：手机、屏幕阅读器和搜索引擎等。 这有一些相关信息： WAI 和  Section508，移动开发： MobiForge。
• Staging：如何部署更新而不影响用户。进行一次或多次测试或 staging 环境可用来实现架构的更改，确保代码或全部内容能部署在一个可控的方式而不会破坏任何东西。有一个自动化的方式部署批准改变网站。最有效地实现方法是使用版本控制系统(Git、CVS、Subversion 等)和一个自动构建机制( Ant、 NAnt 等)。
• 不要向用户直接显示不友好的错误提示。
• 不要以纯文本的方式显示用户的 Email 地址，否则他们将会收到该死的垃圾邮件。
• 为用户链接添加属性 rel = “nofollow” 来  避免垃圾邮件。
• 为你的网站建立深思熟虑的限制 – 这也属于下面将要讲到的安全性。
• 学会如何实现网页的  渐进增强。
• POST 提交成功后，要重定向，以防止再次提交引起刷新。
• 别忘了考虑到访问性（accessibility，即残障人士如何使用网站）。这一直是好想法并且有时这是法定要求。 WAI-ARIA 和  WCAG 2 都是这方面很好的资源。
• 别让用户思考如何操作。

安全性

• 阅读  《OWASP开发指南》，它提供了全面的网站安全指导。
• 知道注入相关的知识，尤其是  SQL 注入，并知道如何防止它。
• 千万别相信用户的输入，也不要相信任何请求（其中包括 cookies 和 表单域的隐藏字段值！）。
• 使用 salt（密码散列技术）散列密码并为你的彩虹表行使用不同的 salts 来防止 rainbow 攻击。 使用一个效率较低的散列算法，如 bcrypt （ 久经试验的）或 scrypt （更新，甚至更强）（ 1， 2），来存储密码。（ 如何安全地存储一个密码）。NIST 也批准用  PBKDF2 散列密码， FIPS 认可  .NET （想了解更多信息，请  点击）。应避免直接使用 MD5 或 SHA 家族。
• 别尝试提出你自己喜欢的认证系统。这很容易在微妙且不可测的方式下出现错误，而且你可能直到被入侵才知道发生什么事
• 了解  处理信用卡的规则。（ 也可以看看这里这个问题）
• 在登录页和任何涉及敏感数据的网页（如信用卡信息），使用  SSL /  HTTPS。
• 防止  会话（session）劫持。
• 避免  跨站脚本攻击（XSS）。
• 避免  跨站请求伪造攻击（CSRF）。
• 避免  点击劫持。
• 系统补丁要保持更新。
• 保证数据库连接信息安全。
• 你自身要保持关注最新的攻击技术和影响你平台的漏洞。
• 阅读   Google 的《浏览器安全手册》。
• 阅读  《Web应用黑客手册》。
• 考虑  最小特权原则。尝试将你的应用程序在  非根模式（non-root）的服务器下运行。（ tomcat 案例）

性能

• 如有必要，就实现缓存。了解和正确地使用 HTTP 缓存（caching）和 HTML 5 离线缓存。
• 优化图片 – 别使用一个 20 KB 大小的图片做为一个重复背景。
• 学习如何用  gzip / deflate 压缩内容（ deflate更好）。
• 合并多个样式表单或脚本文件，以减少浏览器发送请求次数，而且要利用 gzip 压缩文件之间重复的部分。
• 浏览  Yahoo Exceptional Performance（雅虎优越性能）网站，里面有很多优秀的指引，其中就包括提高前端性能和它们的  YSlow 工具（需要 Fixfox、Safari、Chrome 或 Opera）。另外， Google PageSpeed （以  浏览器扩展 的方式）是另一个测试性能的工具，而且它也会优化你的图片。
• 为较小且有关联的图片使用  CSS 图片精灵 技术，如工具栏（看“把 HTTP 请求减到最低”那点建议）
• 繁忙 Web 站点应考虑将  网页的内容分开存放 在不同的域名下。特别是…
• 静态内容（也就是图片、CSS、JavaScript 和无需通过 cookies 获取的一般内容）应放进独立且  不使用 cookies 的域名上，因为所有域名和其子域名为客户端生成的 cookies 都会伴随请求发送回给自己。 一个很好的选择是使用内容分发网络（CDN），但要考虑到这种情况：CDN（包括可替代的 CDN）可能会失效，这时本地副本能代替它来进行传输。
• 将浏览器渲染页面所需 HTTP 请求数量最少化。
• 用Google的  Closure Compiler 压缩 JavaScript，当然也可以使用  其他压缩工具。
• 确保有一个 favicon.ico 文件在网站的根目录，也就是说 /favicon.ico。 浏览器会自动请求它，即使在 HTML 中并未提及到它。如果没有 /favicon.ico，那么请求返回的结果是 大量的 404 错误，这将会耗尽服务器的带宽。

SEO（搜索引擎优化）

• 使用“对搜索引擎友好”的链接，比如说 example.com/pages/45-article-title 优于 example.com/index.php?page=45。 是 googlebot（Google 的 web 爬虫）用来替换 #! 的。换句话说， ./#!page=1 会被Google搜索引擎转成  ./?_escaped_fragments_=page=1。 （通常来说 URL 中的 # 后的东西都不会被传到服务器上，所以，为了要让 Google 可以抓取 AJAX 的东西，你需要使用 #!，而 Google 会把“#!”转成“_escaped_fragment_”来向服务器发请求，Twitter 的大量链接者是#!的，比如： https://twitter.com/#!/your_activity —— 陈皓注）。另外，用户也许会使用 Firefox 或 Chromium，那么  history.pushState({"foo":"bar"}, "About", "./?page=1"); 是一个很不错的命令。因为即使地址栏上的地址改变了，页面也不会重新加载。这可让你使用  ? 而不是  #!来动态加载内容了，也告诉服务器，当下次访问该页面时给该链接发邮件，AJAX 无须再发送一个额外的请求了。
• 别使用  “点击这里” 这类的链接。这是浪费一个 SEO 的机会，并且会对使用屏幕朗读器用户造成困惑。
• 拥有一个  XML 网站地图，它的默认路径最好是 /sitemap.xml。
• 当你有多个 URL 指向同一个内容时，请使用  <link rel="canonical" ... />。这个问题可利用  Google Webmaster Tools 解决。
• 使用  Google Webmaster Tools 和  Bing Webmaster Tools。
• 在一开始就正确安装  Google Analytics （或一个开源的分析工具，如  Piwik）。
• 要知道  robots.txt 和搜索引擎爬虫是如何工作的。
• 重定向请求（使用 301 永久性移走），要求 www.example.com 重定向到  example.com （或反过来），从而防止分裂两个站点之间的谷歌排名。
• 知道并不是所有的爬虫都是好的，有些爬虫的行为并不好。
• 如果有非文本内容（如视频等）需要添加到 Google 网站地图的话，你可以到  Tim Farley’s answer 看看，里面有一些关于这方面的，而且不错的信息。

技术

• 搞懂 HTTP 协议，以及诸如 GET 、POST、sessions 和 cookies 这些概念，而且要知道“无状态”是什么意思。
• 根据  W3C 文档 编写你的  XHTML /  HTML 和  CSS 代码，并确保它们  有效。这里的目的是避免浏览器的怪异模式，并让它们更容易在非传统浏览器（如屏幕阅读器和移动设备）上运行。
• 搞懂浏览器是如何处理 JavaScript。
• 搞懂页面上的 JavaScript、样式表单和其他资源是如何加载和运行的，并考虑它们对性能的影响。现在广泛认同的做法是：除了通用脚本，如 analytics apps 或 HTML5 shims， 将其它脚本放到页面底部。
• 搞懂 JavaScript 沙箱如何工作，特别是你打算用 iframes。
• 要意识到 JavaScript 可能会被禁用，因此 AJAX 也只是一个扩展，不一定会被运行。即使大多数普通的用户并不会理会 JavaScript 被禁用，但要记住  NoScript 正变得更流行，移动设备可能默认禁止 JavaScript，而且 Google 在索引你的网站时，并不会执行大多数 JavaScript。
• 学会 区分 301 和 302 重定向 的不同之处（这也是一个 SEO 问题）。
• 尽可能多地学习你部署平台的相关知识。
• 考虑使用  Reset Style Sheet（重置样式表单） 或  normalize.css。
• 考虑使用 JavaScript 框架（如  jQuery、 MooTools、 Prototype、 Dojo 或  YUI 3），它们会解决很多在使用 JavaScript 操作 DOM 时的浏览器差异问题。
• 把性能和 JS 框架合在一起讨论，考虑使用诸如  Google Libraries API 服务来加载框架， 以至于浏览器能使用已缓存框架的副本，而不是从你的网站下载同样的副本。
• 不要重复造轮子。在做任何事之前，可搜索一个组件或案例是如何实现的。但有 99% 机会是其它人已经做过了，并发布了 OSS 版本的代码。
• 另外，即时确定你需要的是什么，但也别使用太多库。特别是在 Web 客户端，保持轻量、快速和灵活非常重要。

BUG 修复

• 要明白你将花费 20% 时间敲代码，而剩下 80% 的时间是在维护你的代码，所以代码质量很重要。
• 建立一个良好的错误报告解决方案。
• 为用户提供一个能向你提交建议与批评的系统。
• 为将来的维护和技术支持人员撰写文档，解释清楚系统是怎么运行的。
• 经常备份！（并确保那些备份是可用的）除了备份机制，你还必须有一个恢复机制。
• 使用版本控制系统来存储你的文件，如  Subversion、 Mercurial 或  Git。
• 别忘记进行验收测试。框架（如  Selenium）能为你提供相应帮助。特别是如果你想完全自动化测试，也可通过使用持续集成工具，比如  Jenkins。
• 在网站运行时，要确保你有足够的日志，当然你可以使用框架，如  log4j、 log4net 或  log4r。因为当你的网站某部分发生错误，你将需要一种方式找出是哪里发生的。
• 当日志能确保你能同时捕捉到处理异常和未处理异常。那么可通过记录/分析输出的日志，可显示网站的关键问题出现在哪里。

其他

• 服务器端和客户端都要监控和分析（应主动而不是被动）。
• 使用能与用户保持联系的服务（如 UserVoice 和 Intercom，或其它类似的工具）。
• 采用  Vincent Driessen 的 Git 分支模型（ Git branching model）。

文中有很多省略掉的东西，并不是因为它们不是有用的答案，而是它们过于详细，且超出本问题的范围。而对于想懂得更多的人来说，他们希望学到更多的东西，因此他们应该知道这些概述。另外，我也欢迎大家编辑补充这个答案，因为我可能忽略了一些东西或犯了一些错误。