当前位置:首页 > 文章列表 > Golang > Go教程 > Go 静态资源接口怎么处理 ETag 和条件请求

Go 静态资源接口怎么处理 ETag 和条件请求

来源:17golang原创 2026-09-06 04:44:46 0浏览 收藏

给 Go 静态资源接口加缓存时,关键不是把文件内容再算一遍摘要,而是让“资源版本”和响应头里的 ETag 稳定对应。首次请求返回 200;客户端再次带上匹配的 If-None-Match 时,handler 应返回 304,不重复发送正文。用 net/http 的 ServeContent 可以把条件请求、Range 和 MIME 类型处理交给标准库,但 ETag 仍要在调用前写入 ResponseWriter。

要点速览
  • ETag 必须随资源版本变化,不能每次请求随机生成。
  • ServeContent 会读取已设置的 ETag,处理 If-None-Match 等条件请求。
  • 首次命中是 200,条件命中是 304;资源更新后必须返回新的 ETag 和正文。

ServeContent 前为什么一定要先写 ETag

ServeContent 的职责是服务一个 io.ReadSeeker,并处理 Range、内容类型以及多种条件请求。它不会替应用决定资源指纹,所以 ETag 要先放到 w.Header() 里。最小 handler 可以把文件大小和修改时间组合成版本键;如果发布流程已经有内容哈希,优先直接使用哈希。

Go net/http 静态资源 handler 中 ResponseWriter、ETag、ServeContent 与 ReadSeeker 的结构关系
图1:Go 静态资源 handler 中,ETag 先写入 ResponseWriter,再交给 ServeContent 处理条件请求。
func asset(w http.ResponseWriter, r *http.Request) {
	// 版本键必须与实际资源版本绑定,不能每次随机生成。
	const etag = `"site-css-v17"`
	w.Header().Set("ETag", etag)

	file, err := os.Open("./public/site.css")
	if err != nil {
		// 文件不可读时不要继续调用 ServeContent。
		http.Error(w, "resource unavailable", http.StatusNotFound)
		return
	}
	defer file.Close()

	// name 用于推断 MIME 类型,file 必须支持 Seek。
	http.ServeContent(w, r, "site.css", time.Time{}, file)
}

这里的 ETag 使用带双引号的实体标签格式。time.Time{} 表示不额外依赖 Last-Modified;如果资源来自文件系统,也可以传入文件的修改时间,让 If-Modified-Since 一并参与判断。

客户端带 If-None-Match 时会发生什么

客户端第一次拿到响应头中的 ETag 后,可以在下一次请求里发送同一个值:

req, err := http.NewRequest(http.MethodGet, "http://localhost:8080/assets/site.css", nil)
if err != nil {
	// URL 构造失败时直接返回,避免发送不完整请求。
	return
}
req.Header.Set("If-None-Match", `"site-css-v17"`)
resp, err := http.DefaultClient.Do(req)
if err != nil {
	// 网络错误与 HTTP 状态码是两层问题,需要分开处理。
	return
}
defer resp.Body.Close()

// 304 表示复用本地缓存,200 才需要继续读取正文。
if resp.StatusCode == http.StatusNotModified {
	return
}
body, err := io.ReadAll(resp.Body)
_ = body
_ = err

如果 ETag 匹配,ServeContent 会让 GET/HEAD 请求走 304;这不是错误,也不是空响应异常。客户端应继续使用本地已缓存的文件。若 ETag 不匹配,则得到 200 和新的正文。

怎么判断 200、304 和资源更新后的结果

排查时只看三个字段就够了:请求中的 If-None-Match、响应中的 ETag、状态码。不要只看到 304 就认定缓存一定正确,还要确认它对应的是当前发布版本。

场景请求条件期望结果
首次请求没有 If-None-Match200,返回正文和 ETag
资源未变带匹配的 If-None-Match304,复用本地正文
资源已替换带旧 ETag200,返回新正文和新 ETag
Go 静态资源条件请求中资源版本、ETag、If-None-Match 与 200 304 响应的关系
图2:资源版本与条件请求字段的静态对应关系,便于核对 200 和 304 的判断依据。

资源替换时最容易踩的三个坑

第一,不要把 ETag 写成每次请求都变化的随机值,否则客户端永远无法稳定命中。第二,不要只用文件名当 ETag;同名覆盖会让旧缓存误认为资源没有变化。第三,若自定义的资源读取器不支持从末尾定位,ServeContent 无法确定内容长度,应该改用真正实现 io.ReadSeeker 的对象。

另外,弱 ETag(例如 W/"site-css-v17")适合表达语义等价但字节可能不同的表示;需要严格字节一致时使用强 ETag。Range 下载还要确保代理层没有改写 ETag 和响应正文的对应关系。

相关问题

ETag 能不能直接用文件修改时间?

可以,但修改时间粒度和跨机器同步可能造成误判。稳定的内容哈希或发布版本通常更可靠。

304 响应要不要写正文?

不需要。304 的意义就是让客户端复用已有正文,重点是保持 ETag 等缓存元数据一致。

ServeContent 会自动生成 ETag 吗?

不会。调用方需要在调用前设置 ETag;标准库再据此处理相关条件请求。

参考:Go net/http ServeContent 官方文档。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
靛蓝水面锦鲤手机壁纸怎么突出单一主体靛蓝水面锦鲤手机壁纸怎么突出单一主体
上一篇
靛蓝水面锦鲤手机壁纸怎么突出单一主体
photocolors卸载后草稿会丢失吗?本地存储、权限与备份说明
下一篇
photocolors卸载后草稿会丢失吗?本地存储、权限与备份说明
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    578次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    619次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    650次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    613次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    429次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码