之前在《高性能網站建設指南》中了解過ETag，但一直沒有應用。昨晚看到百度站長平臺在大力推薦ETag，忽然有一種凌凌漆接到國家任務的感覺。

　　1. 什么是ETag

　　ETag全稱為Entity Tag，中文名為實體標簽，是Web服務器和瀏覽器用于確認緩存組件有效性的一種機制。

　　ETag是結合對象修改時間，對象大小，INode等特征的一個字符串，于HTTP1.1引入，相對于Last-Modified，提供了比最新修改日期更為靈活的機制。

　　ETag目前主要應用于靜態資源，比如圖片，JS和CSS文件。

　　2. ETag原理

　　當用戶發送HTTP請求時，瀏覽器會使用If-None-Match頭將ETag值傳回服務器，如果ETag匹配，則返回304狀態碼；否則返回200，并傳輸HTTP內容。

　　簡單示意圖如下：

　　ETag流程圖

　　注：ETag最常用在靜態資源上，比如圖片，JS和CSS文件。據說網頁上也可以使用ETag，但觀察了幾個大型網站都沒有使用，尚不知道原因。

　　3. 遇到的問題和方法

　　3.1 集群帶來的準確性問題

　　ETag的默認格式是inode-size-timestamp，這也意味著在集群中，即便對象大小，權限，時間戳，路徑全都相同，inode和ETag也會不同。也就是說對于同樣的組件，從集群的一臺切換到另一臺，ETag就會不同。

　　如果集群中有10臺服務器，ETag匹配的準確率只有10%。

　　3.2 解決方法

　　那有沒有辦法解決集群的問題？答案是有的，需要對ETag進行修改，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等服務器下的具體修改方法。

　　3.3 計算帶來的開支

　　只要有計算就會帶來額外的成本，但從百度官方提供的測試數據來看，CPU利用率會提高1%~3%，吞吐率基本不變，尚能接受。

　　5. ETag對SEO的影響

　　ETag如果配置合理，會大幅增加sitemap的利用率。百度對每個站點的主動抓取有數量限制的，目前情況下，爬蟲無法準確區分sitemap中哪些是新增加了網址的，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年不更新的sitemap文件，而我們新加了網址的sitemap卻一直未抓取。

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

　　據說sitemap權限以后會全面開放，因此ETag的應用無論是對站長還是百度都是很有幫助的。

　　注：因ETag的配置暫未上線，還沒有實戰數據，之后會補充進來。