Don't exit in expiration stub.
[polipo.git] / polipo.texi
blob10c069452ea09ae58e59656e05428556019036fe
1 \input texinfo @c -*-texinfo-*-
2 @c %**start of header
3 @setfilename polipo.info
4 @settitle The Polipo Manual
5 @afourpaper
6 @c %**end of header
8 @dircategory Network Applications
9 @direntry
10 * Polipo: (polipo).                     The Polipo caching web proxy.
11 @end direntry
13 @copying
14 Copyright @copyright{} 2003 -- 2006 by Juliusz Chroboczek.
15 @end copying
17 @titlepage
18 @title The Polipo Manual
19 @author Juliusz Chroboczek
20 @page
21 @vskip 0pt plus 1fill
22 Polipo is a caching web proxy designed to be used as a personal
23 cache or a cache shared among a few users.
24 @vskip 0pt plus 1fill
26 @insertcopying
28 @end titlepage
30 @contents
32 @ifnottex
33 @node Top, Background, (dir), (dir)
34 @top Polipo
36 Polipo is a caching web proxy designed to be used as a personal
37 cache or a cache shared among a few users.
39 @ifhtml
40 The latest version of Polipo can be found on 
41 @uref{http://www.pps.jussieu.fr/~jch/software/polipo/,the Polipo web page}.
42 @end ifhtml
44 This manual was written by
45 @uref{http://www.pps.jussieu.fr/~jch/,,Juliusz Chroboczek}.
47 @end ifnottex
49 @menu
50 * Background::                  Background information.
51 * Running::                     Running Polipo
52 * Network::                     Polipo and the network.
53 * Caching::                     Caching.
54 * Memory usage::                Limiting Polipo's memory usage.
55 * Copying::                     Your rights and mine.
56 * Variable index::              Variable index.
57 * Concept index::               Concept index.
58 @end menu
60 @node Background, Running, Top, Top
61 @chapter Background
63 @menu
64 * The web::                     The web and HTTP.
65 * Proxies and caches::          Proxies and caches.
66 * Latency and throughput::      Optimise latency, not throughput.
67 * Network traffic::             Be nice to the net.
68 * Partial instances::           Don't discard data.
69 * POST and PUT::                Other requests
70 * Other HTTP proxies::          Why did I write Polipo from scratch?
71 @end menu
73 @node The web, Proxies and caches, Background, Background
74 @section The web and HTTP
75 @cindex URL
76 @cindex resource
77 @cindex instance
78 @cindex entity
79 @cindex HTTP
81 The web is a wide-scale decentralised distributed hypertext system,
82 something that's obviously impossible to achieve reliably.
84 The web is a collection of @dfn{resources} which are identified by
85 @dfn{URLs}, strings starting with @code{http://}.  At any point in
86 time, a resource has a certain value, which is called an
87 @dfn{instance} of the resource.
89 The fundamental protocol of the web is HTTP, a simple request/response
90 protocol.  With HTTP, a client can make a request for a resource to a
91 server, and the server replies with an @dfn{entity}, which is an
92 on-the-wire representation of an instance or of a fragment thereof.
94 @node Proxies and caches, Latency and throughput, The web, Background
95 @section Proxies and caches
96 @cindex proxy
97 @cindex caching
99 A proxy is a program that acts as both a client and a server.  It
100 listens for client requests and forwards them to servers, and forwards
101 the servers' replies to clients.
103 An HTTP proxy can optimise web traffic away by @dfn{caching} server
104 replies, storing them in memory in case they are needed again.  If a
105 reply has been cached, a later client request may, under some
106 conditions, be satisfied without going to the source again.
108 In addition to taking the shortcuts made possible by caching, proxies
109 can improve performance by generating better network traffic than the
110 client applications would do.
112 Proxies are also useful in ways unrelated to raw performance.  A proxy
113 can be used to contact a server that are not visible to the browser,
114 for example because there is a firewall in the way (@pxref{Parent
115 proxies}), or because the client and the server use different lower
116 layer protocols (for example IPv4 and IPv6).  Another common
117 application of proxies is to modify the data sent to servers and
118 returned to clients, for example by censoring headers that expose too
119 much about the client's identity (@pxref{Censoring headers}) or
120 removing advertisements from the data returned by the server
121 (@pxref{Forbidden}).
123 Polipo is a caching HTTP proxy that was originally designed as
124 a @dfn{personal} proxy, i.e.@: a proxy that is used by a single user
125 or a small group of users.
127 @node Latency and throughput, Network traffic, Proxies and caches, Background
128 @section Latency and throughput
129 @cindex throughput
130 @cindex latency
132 Most network benchmarks consider @dfn{throughput}, or the average
133 amount of data being pushed around per unit of time.  While important
134 for batch applications (for example benchmarks), average throughput is
135 mostly irrelevant when it comes to interactive web usage.  What is more
136 important is a transaction's median @dfn{latency}, or whether the data
137 starts to trickle down before the user gets annoyed.
139 Typical web caches optimise for throughput --- for example, by
140 consulting sibling caches before accessing a remote resource.  By
141 doing so, they significantly add to the median latency, and therefore
142 to the average user frustration.
144 Polipo was designed to minimise latency.
146 @node Network traffic, Partial instances, Latency and throughput, Background
147 @section Network traffic
149 The web was developed by people who were interested in text processing
150 rather than in networking and, unsurprisingly enough, the first
151 versions of the HTTP protocol did not make very good use of network
152 resources.  The main problem in HTTP/0.9 and early versions of
153 HTTP/1.0 was that a separate TCP connection (``virtual circuit'' for
154 them telecom people) was created for every entity transferred.
156 Opening multiple TCP connections has significant performance
157 implications.  Obviously, connection setup and teardown require
158 additional packet exchanges which increase network usage and, more
159 importantly, latency.
161 Less obviously, TCP is not optimised for that sort of usage.  TCP aims
162 to avoid network @dfn{congestion}, a situation in which the network
163 becomes unusable due to overly aggressive traffic patterns.  A correct
164 TCP implementation will very carefully probe the network at the
165 beginning of every connection, which means that a TCP connection is
166 very slow during the first couple of kilobytes transferred, and only
167 gets up to speed later.  Because most HTTP entities are small (in the
168 1 to 10 kilobytes range), HTTP/0.9 uses TCP where it is most inefficient.
170 @menu
171 * Persistent connections::      Don't shut connections down.
172 * Pipelining::                  Send a bunch of requests at once.
173 * Poor Mans Multiplexing::      Split requests.
174 @end menu
176 @node Persistent connections, Pipelining, Network traffic, Network traffic
177 @subsection Persistent connections
178 @cindex persistent connection
179 @cindex keep-alive connection
181 Later HTTP versions allow the transfer of multiple entities on a
182 single connection.  A connection that carries multiple entities is
183 said to be @dfn{persistent} (or sometimes @dfn{keep-alive}).
184 Unfortunately, persistent connections are an optional feature of HTTP,
185 even in version 1.1.
187 Polipo will attempt to use persistent connections on the server side,
188 and will honour persistent connection requests from clients.
190 @node Pipelining, Poor Mans Multiplexing, Persistent connections, Network traffic
191 @subsection Pipelining
192 @cindex Pipelining
194 With persistent connections it becomes possible to @dfn{pipeline} or
195 @dfn{stream} requests, i.e. to send multiple requests on a single
196 connection without waiting for the replies to come back.  Because this
197 technique gets the requests to the server faster, it reduces latency.
198 Additionally, because multiple requests can often be sent in a single
199 packet, pipelining reduces network traffic.
201 Pipelining is a fairly common technique@footnote{The X11 protocol
202 fundamentally relies on pipelining.  NNTP does support pipelining.
203 SMTP doesn't, while ESMTP makes it an option.  FTP does support
204 pipelining on the control connection.}, but it is not supported by
205 HTTP/1.0.  HTTP/1.1 makes pipelining support compulsory in every
206 server implementation that can use persistent connections, but there
207 are a number of buggy servers that claim to implement HTTP/1.1 but
208 don't support pipelining.
210 Polipo carefully probes for pipelining support in a server and uses
211 pipelining if it believes that it is reliable.  Polipo also deeply
212 enjoys being pipelined at by a client@footnote{Other client-side
213 implementations of HTTP that make use of pipelining include
214 @uref{http://www.opera.com/,,Opera}, recent versions of
215 @uref{http://www.mozilla.org,,Mozilla}, APT (the package downloader
216 used by @uref{http://www.debian.org,,Debian} GNU/Linux) and LFTP.}.
218 @node Poor Mans Multiplexing,  , Pipelining, Network traffic
219 @subsection Poor Man's Multiplexing
220 @cindex Poor Man's Multiplexing
221 @cindex multiplexing
223 A major weakness of the HTTP protocol is its inability to share a
224 single connection between multiple simultaneous transactions --- to
225 @dfn{multiplex} a number of transactions over a single connection.  In
226 HTTP, a client can either request all instances sequentially, which
227 significantly increases latency, or else open multiple concurrent
228 connections, with all the problems that this implies
229 (@pxref{Persistent connections}).
231 Poor Man's Multiplexing (PMM) is a technique that simulates
232 multiplexing by requesting an instance in multiple segments; because
233 the segments are fetched in independent transactions, they can be
234 interleaved with requests for other resources.
236 Obviously, PMM only makes sense in the presence of persistent
237 connections; additionally, it is only effective in the presence of
238 pipelining (@pxref{Pipelining}).
240 PMM poses a number of reliability issues.  If the resource being
241 fetched is dynamic, it is quite possible that it will change between
242 segments; thus, an implementation making use of PMM needs to be able
243 to switch to full-resource retrieval when it detects a dynamic
244 resource.
246 Polipo supports PMM, but it is disabled it by default (@pxref{PMM}).
248 @node Partial instances, POST and PUT, Network traffic, Background
249 @section Caching partial instances
250 @cindex partial instance
251 @cindex range request
253 A partial instance is an instance that is being cached but only part
254 of which is available in the local cache.  There are three ways in
255 which partial instances can arise: client applications requesting only
256 part of an instance (Adobe's Acrobat Reader plugin is famous for
257 that), a server dropping a connection mid-transfer (because it is
258 short on resources, or, surprisingly often, because it is buggy), a
259 client dropping a connection (usually because the user pressed
260 @emph{stop}).
262 When an instance is requested that is only partially cached, it is
263 possible to request just the missing data by using a feature of HTTP
264 known as a @dfn{range} request.  While support for range requests is
265 optional, most servers honour them in case of static data (data that
266 are stored on disk, rather then being generated on the fly e.g.@: by a
267 CGI script).
269 Caching partial instances has a number of positive effects.  Obviously,
270 it reduces the amount of data transmitted as the available data
271 needn't be fetched again.  Because it prevents partial data from being
272 discarded, it makes it reasonable for a proxy to unconditionally abort
273 a download when requested by the user, and therefore reduces network
274 traffic.
276 Polipo caches arbitrary partial instances in its in-memory cache.  It
277 will only store the initial segment of a partial instance (from its
278 beginning up to its first hole) in its on-disk cache, though.  In
279 either case, it will attempt to use range requests to fetch the
280 missing data.
282 @node POST and PUT, Other HTTP proxies, Partial instances, Background
283 @section Other requests
284 @cindex GET request
285 @cindex HEAD request
286 @cindex PUT request
287 @cindex POST request
288 @cindex OPTIONS request
289 @cindex PROPFIND request
291 The previous sections pretend that there is only one kind of request
292 in HTTP --- the @samp{GET} request.  In fact, there are some others.
294 The @samp{HEAD} request method retrieves data about an resource.  Polipo
295 does not normally use @samp{HEAD}, but will fall back to using it for
296 validation it if finds that a given server fails to cooperate with its
297 standard validation methods (@pxref{Cache transparency}).  Polipo will
298 correctly reply to a client's @samp{HEAD} request.
300 The @samp{POST} method is used to request that the server should do
301 something rather than merely sending an entity; it is usually used
302 with HTML forms that have an effect@footnote{HTML forms should use the
303 @samp{GET} method when the form has no side-effect as this makes the
304 results cacheable.}.  The @samp{PUT} method is used to replace an
305 resource with a different instance; it is typically used by web
306 publishing applications.
308 @samp{POST} and @samp{PUT} requests are handled by Polipo pretty much
309 like @samp{GET} and @samp{HEAD}; however, for various reasons, some
310 precautions must be taken.  In particular, any cached data for the
311 resource they refer to must be discarded, and they can never be
312 pipelined.
314 Finally, HTTP/1.1 includes a convenient backdoor with the
315 @samp{CONNECT} method.  For more information, please see
316 @ref{Tunnelling connections}.
318 Polipo does not currently handle the more exotic methods such as
319 @samp{OPTIONS} and @samp{PROPFIND}.
321 @node Other HTTP proxies,  , POST and PUT, Background
322 @section Other HTTP proxies
323 @cindex proxy
325 I started writing Polipo because the weather was bad.  But also
326 because I wanted to implement some features that other web proxies
327 don't have.
329 @menu
330 * Harvest and Squid::           Historic proxies.
331 * Apache::                      The web server has a proxy.
332 * WWWOFFLE::                    A personal proxy.
333 * Junkbuster::                  Get rid of ads.
334 * Privoxy::                     Junkbuster on speed.
335 * Oops::                        A multithreaded cache.
336 @end menu
338 @node Harvest and Squid, Apache, Other HTTP proxies, Other HTTP proxies
339 @subsection Harvest and Squid
340 @cindex Harvest
341 @cindex Squid
343 Harvest, the grandfather of all web caches, has since evolved into
344 @uref{http://www.squid-cache.org/,,Squid}.
346 Squid sports an elegant single-threaded non-blocking architecture and
347 multiplexes multiple clients in a single process.  It also features
348 almost complete support for HTTP/1.1, although for some reason it
349 doesn't currently advertise it.
351 Squid is designed as a large-scale shared proxy running on a dedicated
352 machine, and therefore carries certain design decisions which make it
353 difficult to use as a personal proxy.  Because Squid keeps all
354 resource meta-data in memory, it requires a fair amount of RAM in
355 order to manipulate a reasonably sized cache.
357 Squid doesn't cache partial instances, and has trouble with instances
358 larger than available memory@footnote{Recent versions of Squid support
359 instances larger than available memory by using a hack that the
360 authors call a ``sliding window algorithm''.}.  If a client connection
361 is interrupted, Squid has to decide whether to continue fetching the
362 resource (and possibly waste bandwidth) or discard what it already has
363 (and possibly waste bandwidth).
365 Some versions of squid would, under some circumstances, pipeline up to
366 two outgoing requests on a single connection.  At the time of writing,
367 this feature appears to have been disabled in the latest version.
369 Squid's developers have decided to re-write it in C++.
371 @node Apache, WWWOFFLE, Harvest and Squid, Other HTTP proxies
372 @subsection The Apache proxy
373 @cindex Apache
375 The @uref{http://www.apache.org/,,Apache web server} includes a
376 complete HTTP/1.1 proxy.
378 The Apache web server was designed to maximise ease of programming ---
379 a decision which makes Apache immensely popular for deploying
380 web-based applications.  Of course, this ease of programming comes at
381 a cost, and Apache is not the most lightweight proxy available.
383 As cheaper caching proxies are available, Apache is not useful as a
384 standalone proxy.  The main application of Apache's proxy is to join
385 multiple web servers' trees into a single hierarchy.
387 The Apache proxy doesn't cache partial instances and doesn't pipeline
388 multiple outgoing requests.
390 @node WWWOFFLE, Junkbuster, Apache, Other HTTP proxies
391 @subsection WWWOFFLE
392 @cindex WWWOFFLE
394 @uref{http://www.gedanken.demon.co.uk/wwwoffle/,,WWWOFFLE}, an elegant
395 personal proxy, is the primary model for Polipo.
397 WWWOFFLE has more features than can be described here.  It will censor
398 banner ads, clean your HTML, decorate it with random colours, schedule
399 fetches for off-peak hours.
401 Unfortunately, the HTTP traffic that WWWOFFLE generates is disgusting.
402 It will open a connection for every fetch, and forces the client to do
403 the same.
405 WWWOFFLE only caches complete instances.
407 I used WWWOFFLE for many years, and frustration with WWWOFFLE's
408 limitations is the main reason why I started Polipo in the first
409 place.
411 @node Junkbuster, Privoxy, WWWOFFLE, Other HTTP proxies
412 @subsection Junkbuster
413 @cindex Junkbuster
415 @uref{http://internet.junkbuster.com/,,Junkbuster} is a simple
416 non-caching web proxy designed to remove banner ads and cookies.  It
417 was the main model for WWWOFFLE's (and therefore Polipo's) header and
418 ad-removing features.
420 Junkbuster's HTTP support is very simple (some would say broken): it
421 doesn't do persistent connections, and it breaks horribly if the
422 client tries pipelining.  Junkbuster is no longer being maintained,
423 and has evolved into Privoxy.
425 @node Privoxy, Oops, Junkbuster, Other HTTP proxies
426 @subsection Privoxy
427 @cindex Privoxy
429 @uref{http://www.privoxy.org/,,Privoxy} is the current incarnation of
430 Junkbuster.  Privoxy has the ability to randomly modify web pages
431 before sending them to the browser --- for example, remove
432 @samp{<blink>} or @samp{<img>} tags.
434 Just like its parent, Privoxy cannot do persistent connections.  Under
435 some circumstances, it will also buffer whole pages before sending
436 them to the client, which significantly adds to its latency.  However,
437 this is difficult to avoid given the kinds of rewriting it attempts to
438 perform.
440 @node Oops,  , Privoxy, Other HTTP proxies
441 @subsection Oops
442 @cindex Oops
444 @uref{http://zipper.paco.net/~igor/oops.eng/,,Oops} is a caching web
445 proxy that uses one thread (lightweight process) for every connection.
446 This technique does cost additional memory, but allows good
447 concurrency of requests while avoiding the need for complex
448 non-blocking programming.  Oops was apparently designed as a
449 wide-scale shared proxy.
451 Although Oops' programming model makes it easy to implement persistent
452 connections, Oops insists on opening a separate connection to the
453 server for every single resource fetch, which disqualifies it from
454 production usage.
456 @node Running, Network, Background, Top
457 @chapter Running Polipo
459 @menu
460 * Polipo Invocation::           Starting Polipo.
461 * Browser configuration::       Configuring your browser.
462 * Stopping::                    Stopping and refreshing Polipo.
463 * Local server::                The local web server and web interface.
464 @end menu
466 @node Polipo Invocation, Browser configuration, Running, Running
467 @section Starting Polipo
468 @cindex invocation
470 By default, Polipo runs as a normal foreground job in a terminal in
471 which it can log random ``How do you do?'' messages.  With the right
472 configuration options, Polipo can run as a daemon.
474 Polipo is run with the following command line:
475 @example
476 $ polipo [ -h ] [ -v ] [ -x ] [ -c @var{config} ] [ @var{var}=@var{val}... ]
477 @end example
478 All flags are optional.  The flag @option{-h} causes Polipo to print a
479 short help message and to quit.  The flag @option{-v} causes Polipo to
480 list all of its configuration variables and quit.  The flag
481 @option{-x} causes Polipo to purge its on-disk cache and then quit
482 (@pxref{Purging}).  The flag @option{-c} specifies the configuration
483 file to use (by default @file{~/.polipo} or
484 @file{/etc/polipo/config}).  Finally, Polipo's configuration can be
485 changed on the command line by assigning values to given configuration
486 variables.
488 @menu
489 * Configuring Polipo::          Plenty of options.
490 * Daemon::                      Running in the background.
491 * Logging::                     Funnelling status messages.
492 @end menu
494 @node Configuring Polipo, Daemon, Polipo Invocation, Polipo Invocation
495 @subsection Configuration
496 @cindex runtime configuration
497 @cindex variable
498 @cindex configuration variable
499 @cindex configuration file
501 There is a number of variables that you can tweak in order to
502 configure Polipo, and they should all be described in this manual
503 (@pxref{Variable index}).  You can display the complete, most
504 up-to-date list of configuration variables by using the @option{-v}
505 command line flag or by accessing the ``current configuration'' page
506 of Polipo's web interface (@pxref{Web interface}).  Configuration
507 variables can be set either on the command line or else in the
508 configuration file given by the @option{-c} command-line flag.
510 Configuration variables are typed, and @option{-v} will display their
511 types.  The type can be of one of the following:
512 @itemize @bullet
513 @item
514 @samp{integer} or @samp{float}: a numeric value;
516 @item
517 @samp{boolean}: a truth value, one of @samp{true} or @samp{false};
519 @item
520 @samp{tristate}: one of @samp{false}, @samp{maybe} or @samp{true};
522 @item
523 @samp{4-state}, one of @samp{false}, @samp{reluctantly},
524 @samp{happily} or @samp{true};
526 @item
527 @samp{5-state}, one of @samp{false}, @samp{reluctantly}, @samp{maybe},
528 @samp{happily} or @samp{true};
530 @item
531 @samp{atom}, a string written within double quotes @samp{"});
533 @item
534 @samp{list}, a comma-separated list of strings;
536 @item
537 @samp{intlist}, a comma-separated list of integers and ranges of
538 integers (of the form `@var{n}--@var{m}').
539 @end itemize
541 The configuration file has a very simple syntax.  All blank lines are
542 ignored, as are lines starting with a hash sign @samp{#}.  Other lines
543 must be of the form
544 @example
545 @var{var} = @var{val}
546 @end example
547 where @var{var} is a variable to set and @var{val} is the value to set
548 it to.
550 It is possible to change the configuration of a running polipo by
551 using the local configuration interface (@pxref{Web interface}).
553 @node Daemon, Logging, Configuring Polipo, Polipo Invocation
554 @subsection Running as a daemon
555 @cindex daemon
556 @cindex terminal
557 @cindex pid
558 @vindex daemonise
559 @vindex pidFile
560 @vindex logLevel
562 If the configuration variable @code{daemonise} is set to true, Polipo
563 will run as a daemon: it will fork and detach from its controlling
564 terminal (if any).  The variable @code{daemonise} defaults to false.
566 When Polipo is run as a daemon, it can be useful to get it to
567 atomically write its @emph{pid} to a file.  If the variable
568 @code{pidFile} is defined, it should be the name of a file where
569 Polipo will write its @emph{pid}.  If the file already exists when it
570 is started, Polipo will refuse to run.
572 @node Logging,  , Daemon, Polipo Invocation
573 @subsection Logging
574 @cindex logging
575 @vindex logFile
577 When it encounters a difficulty, Polipo will print a friendly message.
578 The location where these messages go is controlled by the
579 configuration variable @code{logFile}.  If it is empty, messages go to
580 the error output of the process (normally the terminal); otherwise, it
581 is the name of a file where all output will accumulate.
583 The variable @code{logFile} defaults to empty if @code{daemonise} is
584 false, and to @samp{/var/log/polipo} otherwise.
586 The amount of logging is controlled by the variable @code{logLevel}.
587 Please see the file @samp{log.h} in the Polipo sources for the
588 possible values of @code{logLevel}.
590 @node Browser configuration, Stopping, Polipo Invocation, Running
591 @section Configuring your browser
592 @cindex browser configuration
593 @cindex user-agent configuration
595 Telling your user-agent (web browser) to use Polipo is an operation
596 that depends on the browser.  Many user-agents will transparently use
597 Polipo if the environment variable @samp{http_proxy} points at it;
598 e.g.@:
599 @example
600 $ export http_proxy=http://localhost:8123/
601 @end example
602 Netscape Navigator, Mozilla, Mozilla Firefox, KDE's Konqueror and
603 probably other browsers require that you configure them manually
604 through their @emph{Preferences} or @emph{Configure} menu.
606 If your user-agent sports such options, tell it to use persistent
607 connections when speaking to proxies, to speak HTTP/1.1 and to use
608 HTTP/1.1 pipelining.
610 @node Stopping, Local server, Browser configuration, Running
611 @section Stopping Polipo and getting it to reload
612 @cindex signals
613 @cindex shutting down
614 @cindex stopping
616 Polipo will shut down cleanly if it receives @code{SIGHUP},
617 @code{SIGTERM} or @code{SIGINT} signals; this will normally happen
618 when a Polipo in the foreground receives a @code{^C} key press, when
619 your system shuts down, or when you use the @code{kill} command with
620 no flags.  Polipo will then write-out all its in-memory data to disk
621 and quit.
623 If Polipo receives the @code{SIGUSR1} signal, it will write out all
624 the in-memory data to disk (but won't discard them), reopen the log
625 file, and then reload the forbidden URLs file (@pxref{Forbidden}).
627 Finally, if Polipo receives the @code{SIGUSR2} signal, it will write
628 out all the in-memory data to disk and discard as much of the memory
629 cache as possible.  It will then reopen the log file and reload the
630 forbidden URLs file.
632 @node Local server,  , Stopping, Running
633 @section The local web server
634 @vindex localDocumentRoot
635 @vindex disableProxy
636 @cindex web server
637 @cindex local server
639 Polipo includes a local web server, which is accessible on the same
640 port as the one the proxy listens to.  Therefore, by default you can
641 access Polipo's local web server as @samp{http://localhost:8123/}.
643 The data for the local web server can be configured by setting
644 @code{localDocumentRoot}, which defaults to
645 @file{/usr/share/polipo/www/}.  Setting this variable to @samp{""}
646 will disable the local server.
648 Polipo assumes that the local web tree doesn't change behind its back.
649 If you change any of the local files, you will need to notify Polipo
650 by sending it a @code{SIGUSR2} signal (@pxref{Stopping}).
652 If you use polipo as a publicly accessible web server, you might want
653 to set the variable @code{disableProxy}, which will prevent it from
654 acting as a web proxy.  (You will also want to set
655 @code{disableLocalInterface} (@pxref{Web interface}), and perhaps run
656 Polipo in a @emph{chroot} jail.)
658 @menu
659 * Web interface::               The web interface.
660 @end menu
662 @node Web interface,  , Local server, Local server
663 @subsection The web interface
664 @cindex runtime configuration
665 @cindex web interface
666 @vindex disableLocalInterface
667 @vindex disableConfiguration
668 @vindex disableServersList
670 The subtree of the local web space rooted at
671 @samp{http://localhost:8123/polipo/} is treated specially: URLs under
672 this root do not correspond to on-disk files, but are generated by
673 Polipo on-the-fly.  We call this subtree Polipo's @dfn{local web
674 interface}.
676 The page @samp{http://localhost:8123/polipo/config?} contains the
677 values of all configuration variables, and allows setting most of them.
679 The page @samp{http://localhost:8123/polipo/status?} provides a summary
680 status report about the running Polipo, and allows performing a number
681 of actions on the proxy, notably flushing the in-memory cache.
683 The page @samp{http://localhost:8123/polipo/servers?} contains the list
684 of known servers, and the statistics maintained about them
685 (@pxref{Server statistics}).
687 The pages starting with @samp{http://localhost:8123/polipo/index?}
688 contain indices of the disk cache.  For example, the following page
689 contains the index of the cached pages from the server of some random
690 company:
691 @example
692 http://localhost:8123/polipo/index?http://www.microsoft.com/
693 @end example
694 The pages starting with
695 @samp{http://localhost:8123/polipo/recursive-index?} contain recursive
696 indices of various servers.  This functionality is disabled by
697 default, and can be enabled by setting the variable
698 @code{disableIndexing}.
700 If you have multiple users, you will probably want to disable the
701 local interface by setting the variable @code{disableLocalInterface}.
702 You may also selectively control setting of variables, indexing and
703 listing known servers by setting the variables
704 @code{disableConfiguration}, @code{disableIndexing} and
705 @code{disableServersList}.
707 @node Network, Caching, Running, Top
708 @chapter Polipo and the network
710 @menu
711 * Client connections::          Speaking to clients
712 * Contacting servers::          Contacting servers.
713 * HTTP tuning::                 Tuning at the HTTP level.
714 * Offline browsing::            Browsing with poor connectivity.
715 * Server statistics::           Polipo keeps statistics about servers.
716 * Server-side behaviour::       Tuning the server-side behaviour.
717 * PMM::                         Poor Man's Multiplexing.
718 * Forbidden::                   You can forbid some URLs.
719 * DNS::                         How Polipo finds hosts.
720 * Parent proxies::              Fetching data from other proxies.
721 * Tuning POST and PUT::         Tuning POST and PUT requests.
722 * Tunnelling connections::      Tunnelling foreign protocols and https.
723 @end menu
725 @node Client connections, Contacting servers, Network, Network
726 @section Client connections
728 @vindex proxyAddress
729 @vindex proxyPort
730 @vindex proxyName
731 @cindex address
732 @cindex port
733 @cindex IPv6
734 @cindex proxy loop
735 @cindex loop
736 @cindex proxy name
737 @cindex via
738 @cindex loopback address
739 @cindex security
741 There are three fundamental values that control how Polipo speaks to
742 clients.  The variable @code{proxyAddress}, defines the IP address on
743 which Polipo will listen; by default, its value is the @dfn{loopback
744 address} @code{"127.0.0.1"}, meaning that Polipo will listen on the
745 IPv4 loopback interface (the local host) only.  By setting this
746 variable to a global IP address or to one of the special values
747 @code{"::"} or @code{"0.0.0.0"}, it is possible to allow Polipo to
748 serve remote clients.  This is likely to be a security hole unless you
749 set @code{allowedClients} to a reasonable value (@pxref{Access control}).
751 Note that the type of address that you specify for @code{proxyAddress}
752 will determine whether Polipo listens to IPv4 or IPv6.  Currently, the
753 only way to have Polipo listen to both protocols is to specify the
754 IPv6 unspecified address (@code{"::"}) for @code{proxyAddress}.
756 The variable @code{proxyPort}, by default 8123, defines the TCP port
757 on which Polipo will listen.
759 The variable @code{proxyName}, which defaults to the host name of the
760 machine on which Polipo is running, defines the @dfn{name} of the
761 proxy.  This can be an arbitrary string that should be unique among
762 all instances of Polipo that you are running.  Polipo uses it in error
763 messages and optionally for detecting proxy loops (by using the
764 @samp{Via} HTTP header, @pxref{Censoring headers}).
766 @menu
767 * Access control::              Deciding who can connect.
768 @end menu
770 @node Access control,  , Client connections, Client connections
771 @subsection Access control
772 @vindex proxyAddress
773 @vindex authCredentials
774 @vindex authRealm
775 @vindex allowedClients
776 @cindex access control
777 @cindex authentication
778 @cindex loopback address
779 @cindex security
780 @cindex username
781 @cindex password
783 By making it possible to have Polipo listen on a non-routable address
784 (for example the loopback address @samp{127.0.0.1}), the variable
785 @code{proxyAddress} provides a very crude form of @dfn{access
786 control}: the ability to decide which hosts are allowed to connect.
788 A finer form of access control can be implemented by specifying
789 explicitly a number of client addresses or ranges of addresses
790 (networks) that a client is allowed to connect from.  This is done
791 by setting the variable @code{allowedClients}.
793 Every entry in @code{allowedClients} can be an IP address, for example
794 @samp{134.157.168.57} or @samp{::1}.  It can also be a network
795 address, i.e.@: an IP address and the number of bits in the network
796 prefix, for example @samp{134.157.168.0/24} or
797 @samp{2001:660:116::/48}.  Typical uses of @samp{allowedClients}
798 variable include
799 @example
800 allowedClients = 127.0.0.1, ::1, 134.157.168.0/24, 2001:660:116::/48
801 @end example
802 or, for an IPv4-only version of Polipo,
803 @example
804 allowedClients = 127.0.0.1, 134.157.168.0/24
805 @end example
807 A different form of access control can be implemented by requiring
808 each client to @dfn{authenticate}, i.e.@: to prove its identity before
809 connecting.  Polipo currently only implements the most insecure form
810 of authentication, @dfn{HTTP basic authentication}, which sends
811 usernames and passwords in clear over the network.  HTTP basic
812 authentication is required when the variable @code{authCredentials} is
813 not null; its value should be of the form @samp{username:password}.
815 Note that both IP-based authentication and HTTP basic authentication
816 are insecure: the former is vulnerable to IP address spoofing, the
817 latter to replay attacks.  If you need to access Polipo over the
818 public Internet, the only secure option is to have it listen over the
819 loopback interface only and use an ssh tunnel (@pxref{Parent
820 proxies})@footnote{It is not quite clear to me whether HTTP digest
821 authentication is worth implementing.  On the one hand, if implemented
822 correctly, it appears to provide secure authentication; on the other
823 hand, and unlike ssh or SSL, it doesn't make any attempt at ensuring
824 privacy, and its optional integrity guarantees are impossible to
825 implement without significantly impairing latency.}.
827 @node Contacting servers, HTTP tuning, Client connections, Network
828 @section Contacting servers
830 @cindex multiple addresses
831 @cindex IPv6
833 A server can have multiple addresses, for example if it is
834 @dfn{multihomed} (connected to multiple networks) or if it can speak
835 both IPv4 and IPv6.  Polipo will try all of a hosts addresses in turn;
836 once it has found one that works, it will stick to that address until
837 it fails again.
839 @menu
840 * Allowed ports::               Where the proxy is allowed to connect.
841 @end menu
843 @node Allowed ports,  , Contacting servers, Contacting servers
844 @subsection Allowed ports
846 @cindex Allowed ports
847 @cindex Forbidden ports
848 @cindex ports
849 @vindex allowedPorts
851 A TCP service is identified not only by the IP address of the machine
852 it is running on, but also by a small integer, the TCP @dfn{port} it
853 is @dfn{listening} on.  Normally, web servers listen on port 80, but
854 it is not uncommon to have them listen on different ports; Polipo's
855 internal web server, for example, listens on port 8123 by default.
857 The variable @code{allowedPorts} contains the list of ports that
858 Polipo will accept to connect to on behalf of clients; it defaults to
859 @samp{80-100, 1024-65535}.  Set this variable to @samp{1-65535} if your
860 clients (and the web pages they consult!) are fully trusted.  (The
861 variable @code{allowedPorts} is not considered for tunnelled
862 connections; @pxref{Tunnelling connections}).
864 @node HTTP tuning, Offline browsing, Contacting servers, Network
865 @section Tuning at the HTTP level
866 @cindex HTTP
867 @cindex headers
869 @menu
870 * Tuning the HTTP parser::      Tuning parsing of HTTP headers.
871 * Censoring headers::           Censoring HTTP headers.
872 @end menu
874 @node Tuning the HTTP parser, Censoring headers, HTTP tuning, HTTP tuning
875 @subsection Tuning the HTTP parser
876 @vindex laxHttpParser
877 @vindex bigBufferSize
879 As a number of HTTP servers and CGI scripts serve incorrect HTTP
880 headers, Polipo uses a @emph{lax} parser, meaning that incorrect HTTP
881 headers will be ignored (a warning will be logged by default).  If the
882 variable @code{laxHttpParser} is not set (it is set by default),
883 Polipo will use a @emph{strict} parser, and refuse to serve an
884 instance unless it could parse all the headers.
886 When the amount of headers exceeds one chunk's worth (@pxref{Chunk
887 memory}), Polipo will allocate a @dfn{big buffer} in order to store
888 the headers.  The size of big buffers, and therefore the maximum
889 amount of headers Polipo can parse, is specified by the variable
890 @code{bigBufferSize} (32@dmn{kB} by default).
892 @node Censoring headers,  , Tuning the HTTP parser, HTTP tuning
893 @subsection Censoring headers
894 @cindex privacy
895 @cindex anonymity
896 @cindex Referer
897 @cindex cookies
898 @vindex censorReferer
899 @vindex censoredHeaders
900 @vindex proxyName
901 @vindex disableVia
903 Polipo offers the option to censor given HTTP headers in both client
904 requests and server replies.  The main application of this feature is
905 to very slightly improve the user's privacy by eliminating cookies and
906 some content-negotiation headers.
908 It is important to understand that these features merely make it
909 slightly more difficult to gather statistics about the user's
910 behaviour.  While they do not actually prevent such statistics from
911 being collected, they might make it less cost-effective to do so.
913 The general mechanism is controlled by the variable
914 @code{censoredHeaders}, the value of which is a case-insensitive list
915 of headers to unconditionally censor.  By default, it is empty, but
916 I recommend that you set it to @samp{From, Accept-Language}.  Adding
917 headers such as @samp{Set-Cookie}, @samp{Set-Cookie2}, @samp{Cookie},
918 @samp{Cookie2} or @samp{User-Agent} to this list will probably break
919 many web sites.
921 The case of the @samp{Referer}@footnote{HTTP contains many mistakes
922 and even one spelling error.} header is treated specially because many
923 sites will refuse to serve pages when it is not provided.  If
924 @code{censorReferer} is @code{false} (the default), @samp{Referer}
925 headers are passed unchanged to the server.  If @code{censorReferer}
926 is @code{maybe}, @samp{Referer} headers are passed to the server only
927 when they refer to the same host as the resource being fetched.  If
928 @code{censorReferer} is @code{true}, all @samp{Referer} headers are
929 censored.  I recommend setting @code{censorReferer} to @code{maybe}.
931 Another header that can have privacy implications is the @samp{Via}
932 header, which is used to specify the chain of proxies through which
933 a given request has passed.  Polipo will generate @samp{Via} headers
934 if the variable @code{disableVia} is @code{false} (it is true by
935 default).  If you choose to generate @samp{Via} headers, you may want
936 to set the @code{proxyName} variable to some innocuous string
937 (@pxref{Client connections}).
939 @menu
940 * Censor Accept-Language::      Why Accept-Language is evil.
941 @end menu
943 @node Censor Accept-Language,  , Censoring headers, Censoring headers
944 @subsubsection Why censor Accept-Language
945 @cindex negotiation
946 @cindex content negotiation
947 @cindex Accept-Language
949 Recent versions of HTTP include a mechanism known as @dfn{content
950 negotiation} which allows a user-agent and a server to negotiate the
951 best representation (instance) for a given resource.  For example, a
952 server that provides both PNG and GIF versions of an image will serve
953 the PNG version to user-agents that support PNG, and the GIF version
954 to Internet Explorer.
956 Content negotiation requires that a client should send with every
957 single request a number of headers specifying the user's cultural and
958 technical preferences.  Most of these headers do not expose sensitive
959 information (who cares whether your browser supports PNG?).  The
960 @samp{Accept-Language} header, however, is meant to convey the user's
961 linguistic preferences.  In some cases, this information is sufficient
962 to pinpoint with great precision the user's origins and even her
963 political or religious opinions; think, for example, of the
964 implications of sending @samp{Accept-Language: yi} or @samp{ar_PS}.
966 At any rate, @samp{Accept-Language} is not useful.  Its design is
967 based on the assumption that language is merely another representation
968 for the same information, and @samp{Accept-Language} simply carries a
969 prioritised list of languages, which is not enough to usefully
970 describe a literate user's preferences.  A typical French user, for
971 example, will prefer an English-language original to a French
972 (mis-)translation, while still wanting to see French language texts
973 when they are original.  Such a situation cannot be described by the
974 simple-minded @samp{Accept-Language} header.
976 @node Offline browsing, Server statistics, HTTP tuning, Network
977 @section Offline browsing
978 @vindex proxyOffline
979 @cindex offline browsing
980 @cindex browsing offline
981 @cindex connectivity
982 @cindex warning
983 @cindex shift-click
985 In an ideal world, all machines would have perfect connectivity to the
986 network at all times and servers would never crash.  In the real
987 world, it may be necessary to avoid hitting the network and having
988 Polipo serve stale objects from its cache.
990 Setting @code{proxyOffline} to @code{true}, prevents Polipo from
991 contacting remote servers, no matter what.  This setting is suitable
992 when you have no network connection whatsoever.
994 If @code{proxyOffline} is false, Polipo's caching behaviour is
995 controlled by a number of variables documented in @ref{Tweaking validation}.
997 @node Server statistics, Server-side behaviour, Offline browsing, Network
998 @section Server statistics
999 @vindex serverExpireTime
1000 @cindex server statistics
1001 @cindex round-trip time
1002 @cindex transfer rate
1004 In order to decide when to pipeline requests (@pxref{Pipelining}) and
1005 whether to perform Poor Man's Multiplexing 
1006 (@pxref{Poor Mans Multiplexing}), Polipo needs to keep statistics
1007 about servers.  These include the server's ability to handle
1008 persistent connections, the server's ability to handle pipelined
1009 requests, the round-trip time to the server, and the server's transfer
1010 rate.  The statistics are accessible from Polipo's web interface
1011 (@pxref{Web interface}). 
1013 The variable @samp{serverExpireTime} (default 1 day) specifies how
1014 long such information remains valid.  If a server has not been
1015 accessed for a time interval of at least @code{serverExpireTime},
1016 information about it will be discarded.
1018 As Polipo will eventually recover from incorrect information about a
1019 server, this value can be made fairly large.  The reason why it exists
1020 at all is to limit the amount of memory used up by information about
1021 servers.
1023 @node Server-side behaviour, PMM, Server statistics, Network
1024 @section Tweaking server-side behaviour
1025 @vindex serverSlots
1026 @vindex serverMaxSlots
1027 @vindex smallRequestTime
1028 @vindex replyUnpipelineTime
1029 @vindex replyUnpipelineSize
1030 @vindex maxPipelineTrain
1031 @vindex pipelineAdditionalRequests
1032 @cindex small request
1033 @cindex large request
1034 @cindex breaking pipelines
1036 The most important piece of information about a server is whether it
1037 supports persistent connections.  If this is the case, Polipo will
1038 open at most @code{serverSlots} connections to that server, and
1039 attempt to pipeline; if not, Polipo will hit the server harder,
1040 opening up to @code{maxServerSlots} connections.
1042 Another use of server information is to decide whether to pipeline
1043 additional requests on a connection that already has in-flight
1044 requests.  This is controlled by the variable
1045 @code{pipelineAdditionalRequests}; if it is @code{false}, no
1046 additional requests will be pipelined.  If it is @code{true},
1047 additional requests will be pipelined whenever possible.  If it is
1048 @code{maybe} (the default), additional requests will only be pipelined
1049 following @dfn{small} requests, where a small request one whose
1050 download is estimated to take no more than @code{smallRequestTime}
1051 (default 5@dmn{s}).
1053 Sometimes, a request has been pipelined after a request that prompts a
1054 very large reply from the server; when that happens, the pipeline
1055 needs be broken in order to reduce latency.  A reply is @dfn{large}
1056 and will cause a pipeline to be broken if either its size is at least
1057 @code{replyUnpipelineSize} (default one megabyte) or else the server's
1058 transfer rate is known and the body is expected to take at least
1059 @code{replyUnpipelineTime} to download (default 15@dmn{s}).
1061 The variable @code{maxPipelineTrain} defines the maximum number of
1062 requests that will be pipelined in a single write (default 10).
1063 Setting this variable to a very low value might (or might not) fix
1064 interaction with some unreliable servers that the normal heuristics
1065 are unable to detect.
1067 @node PMM, Forbidden, Server-side behaviour, Network
1068 @section Poor Man's Multiplexing
1069 @cindex Poor Man's Multiplexing
1070 @cindex multiplexing
1071 @vindex pmmSize
1072 @vindex pmmFirstSize
1074 By default, Polipo does not use Poor Man's Multiplexing (@pxref{Poor
1075 Mans Multiplexing}).  If the variable @code{pmmSize} is set to a
1076 positive value, Polipo will use PMM when speaking to servers that are
1077 known to support pipelining.  It will request resources by segments of
1078 @code{pmmSize} bytes.  The first segment requested has a size of
1079 @code{pmmFirstSize}, which defaults to twice @code{pmmSize}.
1081 PMM is an intrinsically unreliable technique.  Polipo makes heroic
1082 efforts to make it at least usable, requesting that the server disable
1083 PMM when not useful (by using the @samp{If-Range} header) and
1084 disabling it on its own if a resource turns out to be dynamic.
1085 Notwithstanding these precautions, unless the server
1086 cooperates@footnote{More precisely, unless CGI scripts cooperate.},
1087 you will see failures when using PMM, which will usually result in
1088 blank pages and broken image icons; hitting @emph{Reload} on your
1089 browser will usually cause Polipo to notice that something went wrong
1090 and correct the problem.
1092 @node Forbidden, DNS, PMM, Network
1093 @section Forbidden and redirected URLs
1094 @cindex forbidden
1095 @cindex redirect
1096 @cindex web counter
1097 @cindex counter
1098 @cindex web bug
1099 @cindex bug
1100 @cindex advertisement
1101 @cindex web ad
1102 @cindex banner ad
1104 The web contains advertisements that a user-agent is supposed to
1105 download together with the requested pages.  Not only do
1106 advertisements pollute the user's brain, pushing them around takes
1107 time and uses up network bandwidth.
1109 Many so-called content providers also track user activities by using
1110 @dfn{web bugs}, tiny embedded images that cause a server to log where
1111 they are requested from.  Such images can be detected because they are
1112 usually uncacheable (@pxref{Cache transparency}) and therefore logged
1113 by Polipo by default.
1115 Polipo can be configured to prevent certain URLs from reaching the
1116 browser, either by returning a @emph{forbidden} error message to the
1117 user, or by @emph{redirecting} such URLs to some other URL.
1119 @menu
1120 * Internal forbidden list::     Specifying forbidden URLs.
1121 * External redirectors::        Using an external redirector.
1122 @end menu
1124 @node Internal forbidden list, External redirectors, Forbidden, Forbidden
1125 @subsection Internal forbidden list
1126 @cindex forbidden
1127 @cindex redirect
1128 @vindex forbiddenFile
1129 @vindex forbiddenUrl
1130 @vindex forbiddenRedirectCode
1132 The file pointed at by the variable @code{forbiddenFile} (defaults to
1133 @file{~/.polipo-forbidden} or @file{/etc/polipo/forbidden}, whichever
1134 exists) specifies the set of URLs that should never be fetched.  If
1135 @code{forbiddenFile} is a directory, it will be recursively searched
1136 for files with forbidden URLs.
1138 Every line in a file listing forbidden URLs can either be a domain
1139 name --- a string that doesn't contain any of @samp{/}, @samp{*} or
1140 @samp{\} ---, or a POSIX extended regular expression.  Blank lines are
1141 ignored, as are those that start with a hash sign @samp{#}.
1143 By default, whenever it attempts to fetch a forbidden URL, the browser
1144 will receive a @emph{403 forbidden} error from Polipo.  Some users
1145 prefer to have the browser display a different page or an image.
1147 If @code{forbiddenUrl} is not null, it should represent a URL to which
1148 all forbidden URLs will be redirected.  The kind of redirection used
1149 is specified by @code{forbiddenRedirectCode}; if this is 302 (the
1150 default) the redirection will be marked as temporary, if 301 it will
1151 be a permanent one.
1153 @node External redirectors,  , Internal forbidden list, Forbidden
1154 @subsection External redirectors
1155 @cindex forbidden
1156 @cindex redirect
1157 @cindex redirector
1158 @cindex Squid-style redirector
1159 @cindex Adzapper
1160 @vindex redirector
1161 @vindex redirectorRedirectCode
1163 Polipo can also use an external process (a @dfn{Squid-style
1164 redirector}) to determine which URLs should be redirected.  The name
1165 of the redirector binary is determined from the variable
1166 @code{redirector}, and the kind of redirection generated is specified
1167 by @code{redirectorRedirectCode}, which should be 302 (the default) or
1168 301.
1170 For example, to use Adzapper to redirect ads to an innocuous image, just set
1171 @example
1172 redirector = /usr/bin/adzapper
1173 @end example
1175 @node DNS, Parent proxies, Forbidden, Network
1176 @section The domain name service
1177 @cindex DNS
1178 @cindex name server
1179 @cindex gethostbyname
1180 @cindex resolver
1181 @cindex IPv6
1182 @vindex dnsMaxTimeout
1183 @vindex dnsUseGethostbyname
1184 @vindex dnsNameServer
1185 @vindex dnsNegativeTtl
1186 @vindex dnsGethostbynameTtl
1187 @vindex dnsQueryIPv6
1189 The low-level protocols beneath HTTP identify machines by IP
1190 addresses, sequences of four 8-bit integers such as
1191 @samp{199.232.41.10}@footnote{Or sequences of eight 16-bit integers if
1192 you are running IPv6.}.  HTTP, on the other hand, and most application 
1193 protocols, manipulate host names, strings such as @samp{www.polipo.org}.
1195 The @dfn{domain name service} (DNS) is a distributed database that
1196 maps host names to IP addresses.  When an application wants to make
1197 use of the DNS, it invokes a @dfn{resolver}, a local library or
1198 process that contacts remote name servers.
1200 The Unix interface to the resolver is provided by the
1201 @code{gethostbyname}(3) library call (@code{getaddrinfo}(3) on recent
1202 systems), which was designed at a time when a host lookup consisted in
1203 searching for one of five hosts in a @samp{HOSTS.TXT} file.  The
1204 @code{gethostbyname} call is @dfn{blocking}, meaning that all activity
1205 must cease while a host lookup is in progress.  When the call
1206 eventually returns, it doesn't provide a @dfn{time to live} (TTL)
1207 value to indicate how long the address may be cached.  For these
1208 reasons, @code{gethostbyname} is hardly useful for programs that need
1209 to contact more than a few hosts@footnote{Recent systems replace
1210 @code{gethostbyname}(3) by @code{getaddrinfo}(3), which is reentrant.
1211 While this removes one important problem that multi-threaded programs
1212 encounter, it doesn't solve any of the other issues with
1213 @code{gethostbyname}.}.
1215 In order to avoid the @code{gethostname}(3)'s issues, Polipo usually
1216 tries to speak the DNS protocol itself rather than using the system
1217 resolver.  Its precise behaviour is controlled by the value of
1218 @code{dnsUseGethostbyname}.  If @code{dnsUseGethostbyname} is
1219 @code{false}, Polipo never uses the system resolver.  If it is
1220 @code{reluctantly} (the default), Polipo tries to speak DNS and falls
1221 back to the system resolver if a name server could not be contacted.
1222 If it is @code{happily}, Polipo tries to speak DNS, and falls back to
1223 the system resolver if the host couldn't be found for any reason.
1224 Finally, if @code{dnsUseGethostbyname} is @code{true}, Polipo never
1225 tries to speak DNS itself and uses the system resolver straight away.
1227 If the internal DNS support is used, Polipo must be given a recursive
1228 name server to speak to.  By default, this information is taken from
1229 the @samp{/etc/resolv.conf} file; however, if you wish to use a
1230 different name server, you may set the variable @code{dnsNameServer}
1231 to an IP address@footnote{While Polipo does its own caching of DNS
1232 data, I strongly recommend that you run a local caching name server.
1233 I am very happy with
1234 @uref{http://home.t-online.de/home/Moestl/,,@code{pdnsd}},
1235 notwithstanding its somewhat bizarre handling of TCP connections.}.
1237 When the reply to a DNS request is late to come, Polipo will retry
1238 multiple times using an exponentially increasing timeout.  The maximum
1239 timeout used before Polipo gives up is defined by @code{dnsMaxTimeout}
1240 (default 60@dmn{s}); the total time before Polipo gives up on a DNS
1241 query will be roughly twice @code{dnsMaxTimeout}.
1243 The variable @code{dnsNegativeTtl} specifies the time during which
1244 negative DNS information (information that a host @emph{doesn't}
1245 exist) will be cached; this defaults to 120@dmn{s}.  Increasing this
1246 value reduces both latency and network traffic but may cause a failed
1247 host not to be noticed when it comes back up.
1249 The variable @code{dnsQueryIPv6} specifies whether to query for IPv4
1250 or IPv6 addresses.  If @code{dnsQueryIPv6} is @code{false}, only IPv4
1251 addresses are queried.  If @code{dnsQueryIPv6} is @code{reluctantly},
1252 both types of addresses are queried, but IPv4 addresses are preferred.
1253 If @code{dnsQueryIPv6} is @code{happily} (the default), IPv6 addresses
1254 are preferred.  Finally, if @code{dnsQueryIPv6} is @code{true}, only
1255 IPv6 addresses are queried.
1257 If the system resolver is used, the value @code{dnsGethostbynameTtl}
1258 specifies the time during which a @code{gethostbyname} reply will be
1259 cached (default 5 minutes).
1261 @node Parent proxies, Tuning POST and PUT, DNS, Network
1262 @section Parent proxies
1264 Polipo will usually fetch instances directly from source servers as
1265 this configuration minimises latency.  In some cases, however, it may
1266 be useful to have Polipo fetch instances from a @dfn{parent} proxy.
1268 Polipo can use two protocols to speak to a parent proxy: HTTP and
1269 SOCKS.  When configured to use both HTTP and SOCKS proxying, Polipo
1270 will contact an HTTP proxy over SOCKS --- in other words, SOCKS is
1271 considered as being at a lower (sub)layer than HTTP.
1273 @menu
1274 * HTTP parent proxies::         Using an HTTP parent proxy.
1275 * SOCKS parent proxies::        Using a SOCKS4a parent proxy.
1276 @end menu
1278 @node HTTP parent proxies, SOCKS parent proxies, Parent proxies, Parent proxies
1279 @subsection HTTP parent proxies
1280 @vindex parentProxy
1281 @vindex parentAuthCredentials
1282 @cindex parent proxy
1283 @cindex upstream proxy
1284 @cindex firewall
1285 @cindex authentication
1287 The variable @code{parentProxy} specifies the hostname and port number
1288 of an HTTP parent proxy; it should have the form @samp{host:port}.
1290 If the parent proxy requires authorisation, the username and password
1291 should be specified in the variable @code{parentAuthCredentials} in
1292 the form @samp{username:password}.  Only @emph{Basic} authentication
1293 is supported, which is vulnerable to replay attacks.
1295 The main application of the parent proxy support is to cross
1296 firewalls.  Given a machine, say @code{trurl}, with unrestricted
1297 access to the web, the following evades a firewall by using an
1298 encrypted compressed @code{ssh} link:
1299 @example
1300 $ ssh -f -C -L 8124:localhost:8123 trurl polipo
1301 $ polipo parentProxy=localhost:8124
1302 @end example
1304 @node SOCKS parent proxies,  , HTTP parent proxies, Parent proxies
1305 @subsection SOCKS parent proxies
1306 @cindex SOCKS
1307 @vindex socksParentProxy
1308 @vindex socksUserName
1309 @vindex socksProxyType
1311 The variable @code{socksParentProxy} specifies the hostname and port
1312 number of a SOCKS parent proxy; it should have the form
1313 @samp{host:port}.  The variant of the SOCKS protocol being used is
1314 defined by @code{socksProxyType}, which can be either @samp{socks4a}
1315 or @samp{socks5}; the latter value specifies ``SOCKS@tie{}5 with
1316 hostnames'', and is the default.
1318 The user name passed to the SOCKS4a proxy is defined by the variable
1319 @code{socksUserName}.  This value is currently ignored with a
1320 SOCKS@tie{}5 proxy.
1322 The main application of the SOCKS support is to use
1323 @uref{http://tor.eff.org,,Tor} to evade overly restrictive or
1324 misconfigured firewalls.  Assuming you have a Tor client running on
1325 the local host listening on the default port (9050), the following
1326 uses Tor for all outgoing HTTP traffic:
1327 @example
1328 $ polipo socksParentProxy=localhost:9050
1329 @end example
1331 @node Tuning POST and PUT, Tunnelling connections, Parent proxies, Network
1332 @section Tuning POST and PUT requests
1333 @cindex POST request
1334 @cindex PUT request
1335 @vindex expectContinue
1337 The main assumption behind the design of the HTTP protocol is that
1338 requests are idempotent: since a request can be repeated by a client,
1339 a server is allowed to drop a connection at any time.  This fact, more
1340 than anything else, explains the amazing scalability of the protocol.
1342 This assumption breaks down in the case of POST requests.  Indeed, a
1343 POST request usually causes some action to be performed (a page to be
1344 printed, a significant amount of money to be transferred from your
1345 bank account, or, in Florida, a vote to be registered), and such a
1346 request should not be repeated.
1348 The only solution to this problem is to reserve HTTP to idempotent
1349 activities, and use reliable protocols for action-effecting ones.
1350 Notwithstanding that, HTTP/1.1 makes a weak attempt at making POST
1351 requests slightly more reliable and efficient than they are in
1352 HTTP/1.0.
1354 When speaking to an HTTP/1.1 server, an HTTP client is allowed to
1355 request that the server check @emph{a priori} whether it intends to
1356 honour a POST request.  This is done by sending @dfn{an expectation},
1357 a specific header with the request, @samp{Expect: 100-continue}, and
1358 waiting for either an error message or a @samp{100 Continue} reply
1359 from the server.  If the latter arrives, the client is welcome to send
1360 the rest of the POST request@footnote{This, of course, is only part of
1361 the story.  Additionally, the server is not required to reply with
1362 @samp{100 Continue}, hence the client must implement a timeout.
1363 Furthermore, according to the obsolete RFC@tie{}2068, the server is
1364 allowed to spontaneously send @samp{100 Continue}, so the client must
1365 be prepared to ignore such a reply at any time.}.
1367 Polipo's behaviour w.r.t.@: client expectations is controlled by the
1368 variable @code{expectContinue}.  If this variable is false, Polipo
1369 will never send an expectation to the server; if a client sends an
1370 expectation, Polipo will fail the expectation straight away, causing
1371 the client (if correctly implemented) to retry with no expectation.
1372 If @code{expectContinue} is @code{maybe} (the default), Polipo will
1373 behave in a standards-compliant manner: it will forward expectations
1374 to the server when allowed to do so, and fail client expectations
1375 otherwise.  Finally, if @code{expectContinue} is @code{true}, Polipo
1376 will always send expectations when it is reasonable to do so; this
1377 violates the relevant standards and will break some websites, but
1378 might decrease network traffic under some circumstances.
1380 @node Tunnelling connections,  , Tuning POST and PUT, Network
1381 @section Tunnelling connections
1382 @cindex tunnel
1383 @cindex tunnelling proxy
1384 @cindex https
1385 @cindex HTTP/SSL
1386 @cindex rsync
1387 @cindex CONNECT
1388 @vindex tunnelAllowedPorts
1390 Polipo is an HTTP proxy; it proxies HTTP traffic, and clients using
1391 other protocols should either establish a direct connection to the
1392 server or use an @emph{ad hoc} proxy.
1394 Due to wide-spread brain-damage@footnote{Sometimes known as NAT.},
1395 however, there are some circumstances in which establishing a direct
1396 connection to the server is not possible.  In such situations, it is
1397 possible to have Polipo behave as a @emph{tunnelling} proxy --- a
1398 proxy that merely forwards traffic between the client and the server
1399 without understanding it.  Polipo enters tunnel mode when the server
1400 requests it by using the HTTP @samp{CONNECT} method.
1402 Most web browsers will use this technique for HTTP over SSL if
1403 configured to use Polipo as their `https proxy'.  OpenSSH can also use
1404 it to cross misconfigured firewalls.
1406 The variable @code{tunnelAllowedPorts} specifies the set of ports that
1407 Polipo will accept to tunnel traffic to.  It defaults to allowing ssh,
1408 HTTP, https, rsync, IMAP, imaps, POP and pops traffic.
1410 @node Caching, Memory usage, Network, Top
1411 @chapter Caching
1413 @menu
1414 * Cache transparency::          Fresh and stale data.
1415 * Memory cache::                The in-memory cache.
1416 * Disk cache::                  The on-disk cache.
1417 @end menu
1419 @node Cache transparency, Memory cache, Caching, Caching
1420 @section Cache transparency and validation
1421 @cindex transparent cache
1422 @cindex cache transparency
1423 @cindex out-of-date instances
1424 @cindex validation
1425 @cindex revalidation
1426 @cindex expire
1427 @cindex stale
1428 @cindex fresh
1430 If resources on a server change, it is possible for a cached instance
1431 to become out-of date.  Ideally, a cache would be perfectly
1432 @dfn{transparent}, meaning that it never serves an out-of-date
1433 instance; in a universe with a finite speed of signal propagation,
1434 however, this ideal is impossible to achieve.
1436 If a caching proxy decides that a cached instance is new enough to
1437 likely still be valid, it will directly serve the instance to the
1438 client; we then say that the cache decided that the instance is
1439 @dfn{fresh}.  When an instance is @dfn{stale} (not fresh), the cache
1440 will check with the upstream server whether the resource has changed;
1441 we say that the cached instance is being @dfn{revalidated}.
1443 In HTTP/1.1, responsibility for revalidation is shared between the
1444 client, the server and the proxy itself.  The client can override
1445 revalidation policy by using the @samp{Cache-Control}
1446 header@footnote{Or the obsolete @samp{Pragma} header.}; for example,
1447 some user-agents will request end-to-end revalidation in this way when
1448 the user shift-clicks on @emph{reload}.  The server may choose to
1449 specify revalidation policy by using the @samp{Expires} and
1450 @samp{Cache-Control} headers.  As to the proxy, it needs to choose a
1451 revalidation policy for instances with neither server- nor client-side
1452 cache control information.  Of course, nothing (except the HTTP/1.1
1453 spec, but that is easily ignored) prevents a proxy from overriding the
1454 client's and server's cache control directives.
1456 @menu
1457 * Tuning validation::           Tuning Polipo's validation behaviour.
1458 * Tweaking validation::         Further tweaking of validation.
1459 @end menu
1461 @node Tuning validation, Tweaking validation, Cache transparency, Cache transparency
1462 @subsection Tuning validation behaviour
1463 @cindex age
1464 @vindex maxAge
1465 @vindex maxAgeFraction
1466 @vindex maxExpiresAge
1467 @vindex maxNoModifiedAge
1469 Polipo's revalidation behaviour is controlled by a number of
1470 variables.  In the following, an resource's @dfn{age} is the time since
1471 it was last validated, either because it was fetched from the server
1472 or because it was revalidated.
1474 The policy defining when cached instances become stale in the absence
1475 of server-provided information is controlled by the variables
1476 @code{maxAge}, @code{maxAgeFraction}, @code{maxExpiresAge} and
1477 @code{maxNoModifiedAge}.  If an instance has an @samp{Expires} header,
1478 it becomes stale at the date given by that header, or when its age
1479 becomes larger than @code{maxExpiresAge}, whichever happens first.  If
1480 an instance has no @samp{Expires} header but has a @samp{LastModified}
1481 header, it becomes stale when its age reaches either
1482 @code{maxAgeFraction} of the time since it was last modified or else
1483 the absolute value @code{maxAge}, whichever happens first.  Finally,
1484 if an instance has neither @samp{Expires} nor @samp{Last-Modified}, it
1485 will become stale when its age reaches @code{maxNoModifiedAge}.
1487 @node Tweaking validation,  , Tuning validation, Cache transparency
1488 @subsection Further tweaking of validation behaviour
1489 @cindex uncachable
1490 @cindex vary
1491 @vindex cacheIsShared
1492 @vindex mindlesslyCacheVary
1493 @vindex uncachableFile
1494 @vindex dontCacheCookies
1495 @vindex dontCacheRedirects
1497 If @code{cacheIsShared} is false (it is true by default), Polipo will
1498 ignore the server-side @samp{Cache-Control} directives @samp{private},
1499 @samp{s-maxage} and @samp{proxy-must-revalidate}.  This is highly
1500 desirable behaviour when the proxy is used by just one user, but might
1501 break some sites if the proxy is shared.
1503 When connectivity is very poor, the variable @code{relaxTransparency}
1504 can be used to cause Polipo to serve stale instances under some
1505 circumstances.  If @code{relaxTransparency} is @code{false} (the
1506 default), all stale instances are validated (@pxref{Cache
1507 transparency}), and failures to connect are reported to the client.
1508 This is the default mode of operation of most other proxies, and the
1509 least likely to surprise the user.
1511 If @code{relaxTransparency} is @code{maybe}, all stale instances are
1512 still validated, but a failure to connect is only reported as an error
1513 if no data is available in the cache.  If a connection fails and stale
1514 data is available, it is served to the client with a suitable HTTP/1.1
1515 @samp{Warning} header.  Current user-agents do not provide visible
1516 indication of such warnings, however, and this setting will typically
1517 cause the browser to display stale data with no indication that
1518 anything went wrong.  It is useful when you are consulting a live web
1519 site but don't want to be bothered with failed revalidations.
1521 If @code{relaxTransparency} is @code{true}, missing data is fetched
1522 from remote servers, but stale data are unconditionally served with no
1523 validation.  Client-side @samp{Cache-Control} directives are still
1524 honoured, which means that you can force an end-to-end revalidation
1525 from the browser's interface (typically by shift-clicking on
1526 ``reload'').  This setting is only useful if you have very bad network
1527 connectivity or are consulting a very slow web site or one that
1528 provides incorrect cache control information@footnote{This is for
1529 example the case of @code{www.microsoft.com}, and also of websites
1530 generated by a popular Free content management system written in
1531 Python.} and are willing to manually revalidate pages that you suspect
1532 are stale.
1534 Finally, if @code{mindlesslyCacheVary} is true, the presence of a
1535 @samp{Vary} header (which indicates that content-negotiation occurred,
1536 @pxref{Censor Accept-Language}) is ignored, and cached negotiated
1537 instances are mindlessly returned to the client.  If it is false (the
1538 default), negotiated instances are revalidated on every client
1539 request.
1541 A number of websites incorrectly mark variable resources as cachable;
1542 such issues can be worked around in polipo by manually marking given
1543 categories of objects as uncachable.  If @code{dontCacheCookies} is
1544 true, all pages carrying HTTP cookies will be treated as uncachable.
1545 If @code{dontCacheRedirects} is true, all redirects (301 and 302) will
1546 be treated as uncachable.  Finally, if everything else fails, a list
1547 of uncachable URLs can be given in the file specified by
1548 @code{uncachableFile}, which has the same format as the
1549 @code{forbiddenFile} (@pxref{Internal forbidden list}).  If not
1550 specified, its location defaults to @samp{~/.polipo-uncachable} or
1551 @samp{/etc/polipo/uncachable}, whichever exists.
1553 @node Memory cache, Disk cache, Cache transparency, Caching
1554 @section The in-memory cache
1556 The in-memory cache consists of a list of HTTP and DNS objects
1557 maintained in least-recently used order.  An index to the in-memory
1558 cache is maintained as a (closed) hash table.
1560 When the in-memory cache grows beyond a certain size (controlled by a
1561 number of variables, @pxref{Memory usage}), or when a hash table
1562 collision occurs, resources are written out to disk.
1564 @node Disk cache,  , Memory cache, Caching
1565 @section The on-disk cache
1566 @cindex filesystem
1567 @cindex NFS
1568 @vindex diskCacheRoot
1569 @vindex maxDiskEntries
1570 @vindex diskCacheWriteoutOnClose
1571 @vindex diskCacheFilePermissions
1572 @vindex diskCacheDirectoryPermissions
1573 @vindex maxDiskCacheEntrySize
1575 The on-disk cache consists in a filesystem subtree rooted at
1576 a location defined by the variable @code{diskCacheRoot}, by default
1577 @code{"/var/cache/polipo/"}.  This directory should normally be
1578 writeable, readable and seekable by the user running Polipo.  While it
1579 is best to use a local filesystem for the on-disk cache, a NFSv3- or
1580 AFS-mounted filesystem should be safe in most implementations.  Do not
1581 use NFSv2, as it will cause cache corruption @footnote{Polipo assumes
1582 that @samp{open(O_CREAT | O_EXCL)} works reliably.}.
1584 If @code{diskCacheRoot} is an empty string, no disk cache is used.
1586 The value @code{maxDiskEntries} (32 by default) is the absolute
1587 maximum of file descriptors held open for on-disk objects.  When this
1588 limit is reached, Polipo will close descriptors on
1589 a least-recently-used basis.  This value should be set to be slightly
1590 larger than the number of resources that you expect to be live at
1591 a single time; defining the right notion of liveness is left as an
1592 exercise for the interested reader.
1594 The value @code{diskCacheWriteoutOnClose} (32@dmn{kB} by default) is
1595 the amount of data that Polipo will write out when closing a disk
1596 file.  Writing out data when closing a file can avoid subsequently
1597 reopening it, but causes unnecessary work if the instance is later
1598 superseded.
1600 The integers @code{diskCacheDirectoryPermissions} and
1601 @code{diskCacheFilePermissions} are the Unix filesystem permissions
1602 with which files and directories are created in the on-disk cache;
1603 they default to @samp{0755} and @samp{0644} respectively.
1605 The variable @code{maxDiskCacheEntrySize} specifies the maximum size,
1606 in bytes, of an instance that is stored in the on-disk cache.  If set
1607 to -1 (the default), all objects are stored in the on-disk cache,
1609 @menu
1610 * Asynchronous writing::        Writing out data when idle.
1611 * Purging::                     Purging the on-disk cache.
1612 * Disk format::                 Format of the on-disk cache.
1613 * Modifying the on-disk cache::  
1614 @end menu
1616 @node Asynchronous writing, Purging, Disk cache, Disk cache
1617 @subsection Asynchronous writing
1618 @vindex idleTime
1619 @vindex maxObjectsWhenIdle
1620 @vindex maxWriteoutWhenIdle
1622 When Polipo runs out of memory (@pxref{Limiting memory usage}), it
1623 will start discarding instances from its memory cache.  If a disk
1624 cache has been configured, it will write out any instance that it
1625 discards.  Any memory allocation that prompted the purge must then
1626 wait for the write to complete.
1628 In order to avoid the latency hit that this causes, Polipo will
1629 preemptively write out instances to the disk cache whenever it is
1630 idle.  The integer @code{idleTime} specifies the time during which
1631 Polipo will remain idle before it starts writing out random objects to
1632 the on-disk cache; this value defaults to 20@dmn{s}.  You may want to
1633 decrease this value for a busy cache with little memory, or increase
1634 it if your cache is often idle and has a lot of memory.
1636 The value @code{maxObjectsWhenIdle} (default 32) specifies the maximum
1637 number of instances that an idle Polipo will write out without
1638 checking whether there's any new work to do.  The value
1639 @code{maxWriteoutWhenIdle} specifies the maximum amount of data
1640 (default 64@dmn{kB}) that Polipo will write out without checking for
1641 new activity.  Increasing these values will make asynchronous
1642 write-out slightly faster, at the cost of possibly increasing Polipo's
1643 latency in some rare circumstances.
1645 @node Purging, Disk format, Asynchronous writing, Disk cache
1646 @subsection Purging the on-disk cache
1647 @cindex purging
1648 @vindex diskCacheUnlinkTime
1649 @vindex diskCacheTruncateTime
1650 @vindex diskCacheTruncateSize
1651 @vindex preciseExpiry
1653 Polipo never removes a file in its on-disk cache, except when it finds
1654 that the instance that it represents has been superseded by a newer
1655 version.  In order to keep the on-disk cache from growing without
1656 bound, it is necessary to @dfn{purge} it once in a while.  Purging the
1657 cache typically consists in removing some files, truncating large
1658 files (@pxref{Partial instances}) or moving them to off-line storage.
1660 Polipo itself can be used to purge its on-disk cache; this is done by
1661 invoking Polipo with the @option{-x} flag.  This can safely be done
1662 when Polipo is running (@pxref{Modifying the on-disk cache}).
1664 For a purge to be effective, it is necessary to cause Polipo to
1665 write-out its in-memory cache to disk (@pxref{Stopping}).
1666 Additionally, Polipo will not necessarily notice the changed files
1667 until it attempts to access them; thus, you will want it to discard
1668 its in-memory cache after performing the purge.  The safe way to
1669 perform a purge is therefore:
1670 @example
1671 $ kill -USR1 @var{polipo-pid}
1672 $ sleep 1
1673 $ polipo -x
1674 $ kill -USR2 @var{polipo-pid}
1675 @end example
1677 The behaviour of the @option{-x} flag is controlled by three
1678 configuration variables.  The variable @code{diskCacheUnlinkTime}
1679 specifies the time during which an on-disk entry should remain unused
1680 before it is eligible for removal; it defaults to 32 days.  
1682 The variable @code{diskCacheTruncateTime} specifies the time for which
1683 an on-disk entry should remain unused before it is eligible for
1684 truncation; it defaults to 4 days and a half.  The variable
1685 @code{diskCacheTruncateSize} specifies the size at which files are
1686 truncated after they have not been accessed for
1687 @code{diskCacheTruncateTime}; it defaults to 1@dmn{MB}.
1689 Usually, Polipo uses a file's modification time in order to determine
1690 whether it is old enough to be expirable.  This heuristic can be
1691 disabled by setting the variable @code{preciseExpiry} to true.
1693 @node Disk format, Modifying the on-disk cache, Purging, Disk cache
1694 @subsection Format of the on-disk cache
1695 @vindex DISK_CACHE_BODY_OFFSET
1696 @cindex on-disk file
1697 @cindex on-disk cache
1699 The on-disk cache consists of a collection of files, one per instance.
1700 The format of an on-disk resource is similar to that of an HTTP
1701 message: it starts with an HTTP status line, followed by HTTP headers,
1702 followed by a blank line (@samp{\r\n\r\n}).  The blank line is
1703 optionally followed by a number of binary zeroes.  The body of the
1704 instance follows.
1706 The headers of an on-disk file have a few minor differences with HTTP
1707 messages.  Obviously, there is never a @samp{Transfer-Encoding} line.
1708 A few additional headers are used by Polipo for its internal
1709 bookkeeping:
1710 @itemize
1711 @item 
1712 @samp{X-Polipo-Location}: this is the URL of the resource stored in this
1713 file.  This is always present.
1715 @item
1716 @samp{X-Polipo-Date}: this is Polipo's estimation of the date at which
1717 this instance was last validated, and is used for generating the
1718 @samp{Age} header of HTTP messages.  This is optional, and only stored
1719 if different from the instance's date.
1721 @item
1722 @samp{X-Polipo-Access}: this is the date when the instance was last
1723 accessed by Polipo, and is used for cache purging (@pxref{Purging}).
1724 This is optional, and is absent if the instance was never accessed.
1726 @item
1727 @samp{X-Polipo-Body-Offset}: the presence of this line indicates that
1728 the blank line following the headers is followed by a number of zero
1729 bytes.  Its value is an integer, which indicates the offset since the
1730 beginning of the file at which the instance body actually starts.
1731 This line is optional, and if absent the body starts immediately after
1732 the blank line.
1734 @end itemize
1736 @node Modifying the on-disk cache,  , Disk format, Disk cache
1737 @subsection Modifying the on-disk cache
1738 @cindex on-disk cache
1740 It is safe to modify the on-disk cache while Polipo is running as long
1741 as no file is ever modified in place.  More precisely, the only safe
1742 operations are to unlink (remove, delete) files in the disk cache, or
1743 to atomically add new files to the cache (by performing an exclusive
1744 open, or by using one of the @samp{link} or @samp{rename} system
1745 calls).  It is @emph{not} safe to truncate a file in place.
1747 @node Memory usage, Copying, Caching, Top
1748 @chapter Memory usage
1749 @cindex memory
1751 Polipo uses two distinct pools of memory, the @dfn{chunk pool} and
1752 the @dfn{malloc pool}.
1754 @menu
1755 * Chunk memory::                Chunk memory.
1756 * Malloc memory::               Malloc memory.
1757 * Limiting memory usage::       Limiting Polipo's memory usage.
1758 @end menu
1760 @node Chunk memory, Malloc memory, Memory usage, Memory usage
1761 @section Chunk memory
1763 @vindex CHUNK_SIZE
1764 @vindex MALLOC_CHUNKS
1765 @cindex chunk
1766 @cindex memory
1768 Most of the memory used by Polipo is stored in chunks, fixed-size
1769 blocks of memory; the size of a chunk is defined by the compile-time
1770 constant @code{CHUNK_SIZE}, and defaults to 4096 bytes on 32-bit
1771 platforms, 8192 on 64-bit ones.  Chunks are used for storing object
1772 data (bodies of instances) and for temporary I/O buffers.  Increasing
1773 the chunk size increases performance somewhat, but at the cost of
1774 larger granularity of allocation and hence larger memory usage.
1776 By default, Polipo uses a hand-crafted memory allocator based on
1777 @code{mmap}(2) (@code{VirtualAlloc} under Windows) for allocating
1778 chunks; while this is very slightly faster than the stock memory
1779 allocator, its main benefit is that it limits memory fragmentation.
1780 It is possible to disable the chunk allocator, and use
1781 @code{malloc}(3) for all memory allocation, by defining
1782 @code{MALLOC_CHUNKS} at compile time; this is probably only useful for
1783 debugging.
1785 There is one assumption made about @code{CHUNK_SIZE}:
1786 @code{CHUNK_SIZE} multiplied by the number of bits in an
1787 @code{unsigned int} (actually in a @code{ChunkBitmap} --- see
1788 @file{chunk.c}) must be a multiple of the page size, which is 4096 on
1789 most systems (8192 on Alpha, 65536 on Windows --- go figure).
1791 As all network I/O will be performed in units of one to two chunks,
1792 @code{CHUNK_SIZE} should be at least equal to your network interface's
1793 MTU (typically 1500 bytes).  Additionally, as much I/O will be done at
1794 @code{CHUNK_SIZE}-aligned addresses, @code{CHUNK_SIZE} should ideally
1795 be a multiple of the page size.
1797 In summary, 2048, 4096, 8192 and 16384 are good choices for
1798 @code{CHUNK_SIZE}.
1800 @node Malloc memory, Limiting memory usage, Chunk memory, Memory usage
1801 @section Malloc allocation
1802 @cindex malloc
1803 @cindex memory
1805 Polipo uses the standard @code{malloc}(3) memory allocator for
1806 allocating small data structures (up to 100 bytes), small strings and
1807 atoms (unique strings).
1809 @node Limiting memory usage,  , Malloc memory, Memory usage
1810 @section Limiting Polipo's memory usage
1811 @cindex limiting memory
1812 @cindex memory
1814 Polipo is designed to work well when given little memory, but will
1815 happily scale to larger configurations.  For that reason, you need to
1816 inform it of the amount of memory it can use.
1818 @menu
1819 * Limiting chunk usage::        Discard objects when low on chunks.
1820 * Limiting object usage::       Limit the number of objects.
1821 * OS usage limits::             Don't impose OS limits.
1822 @end menu
1824 @node Limiting chunk usage, Limiting object usage, Limiting memory usage, Limiting memory usage
1825 @subsection Limiting chunk usage
1827 @vindex chunkHighMark
1828 @vindex chunkCriticalMark
1829 @vindex chunkLowMark
1830 @vindex CHUNK_SIZE
1831 @cindex memory
1832 @cindex chunk
1834 You can limit Polipo's usage of chunk memory by setting
1835 @code{chunkHighMark} and @code{chunkLowMark}.
1837 The value @code{chunkHighMark} is the absolute maximum number of bytes
1838 of allocated chunk memory.  When this value is reached, Polipo will
1839 try to purge objects from its in-memory cache; if that fails to free
1840 memory, Polipo will start dropping connections.
1842 When chunk usage falls back below @code{chunkLowMark}, Polipo will
1843 stop discarding in-memory objects.  The value
1844 @code{chunkCriticalMark}, which should be somewhere between
1845 @code{chunkLowMark} and @code{chunkHighMark}, specifies the value
1846 above which Polipo will make heroic efforts to free memory, including
1847 punching holes in the middle of instances, but without dropping
1848 connections.
1850 Unless set explicitly, both @code{chunkLowMark} and
1851 @code{chunkCriticalMark} are computed automatically from
1852 @code{chunkHighMark}.
1854 @node Limiting object usage, OS usage limits, Limiting chunk usage, Limiting memory usage
1855 @subsection Limiting object usage
1857 @vindex objectHighMark
1858 @vindex publicObjectLowMark
1859 @vindex objectHashTableSize
1861 Besides limiting chunk usage, it is possible to limit Polipo's memory
1862 usage by bounding the number of objects it keeps in memory at any given
1863 time.  This is done with @code{objectHighMark} and
1864 @code{publicObjectLowMark}.
1866 The value @code{objectHighMark} is the absolute maximum of objects
1867 held in memory (including resources and server addresses).  When the
1868 number of in-memory objects that haven't been superseded yet falls
1869 below @code{publicObjectLowMark}, Polipo will stop writing out objects
1870 to disk (superseded objects are discarded as soon as possible).
1872 On 32-bit architectures, every object costs 108 bytes of memory, plus
1873 storage for every globally unique header that is not handled specially
1874 (hopefully negligible), plus an overhead of one word (4 bytes) for
1875 every chunk of data in the object.
1877 You may also want to change @code{objectHashTableSize}.  This is the
1878 size of the hash table used for holding objects; it should be a power
1879 of two and defaults to eight times @code{objectHighMark}.  Increasing
1880 this value will reduce the number of objects being written out to disk
1881 due to hash table collisions.  Every hash table entry costs one word.
1883 @node OS usage limits,  , Limiting object usage, Limiting memory usage
1884 @subsection OS usage limits
1885 @cindex usage limit
1886 @cindex ulimit
1887 @cindex OOM killer
1889 Many operating systems permit limiting a process' memory usage by
1890 setting a @dfn{usage limit}; on most Unix-like systems, this is done
1891 with the @option{-v} option to the @command{ulimit} command.
1892 Typically, the effect is to cause calls to the @code{malloc} and
1893 @code{mmap} library functions to fail.
1895 Polipo will usually react gracefully to failures to allocate
1896 memory@footnote{There are exactly three places in the code where
1897 Polipo will give up and exit if out of memory; all three are extremely
1898 unlikely to happen in practice.}.  Nonetheless, you should avoid using
1899 OS limits to limit Polipo's memory usage: when it hits an OS limit,
1900 Polipo cannot allocate the memory needed to schedule recovery from the
1901 out-of-memory condition, and has no choice other than to drop a
1902 connection.
1904 Unfortunately, some operating system kernels (notably certain Linux
1905 releases) fail to fail an allocation if no usage limit is given;
1906 instead, they either crash when memory is exhausted, or else start
1907 killing random processes with no advance warning@footnote{How I wish
1908 for a @samp{SIGXMEM} signal.}.  On such systems, imposing an
1909 (unrealistically large) usage limit on Polipo is the safe thing to do.
1911 @node Copying, Variable index, Memory usage, Top
1912 @unnumbered Copying
1913 You are allowed to do anything you wish with Polipo as long as you
1914 don't deny my right to be recognised as its author and you don't blame
1915 me if anything goes wrong.
1917 More formally, Polipo is distributed under the following terms:
1919 @quotation
1920 Copyright @copyright{} 2003--2006 by Juliusz Chroboczek
1922 Permission is hereby granted, free of charge, to any person obtaining a copy
1923 of this software and associated documentation files (the "Software"), to deal
1924 in the Software without restriction, including without limitation the rights
1925 to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
1926 copies of the Software, and to permit persons to whom the Software is
1927 furnished to do so, subject to the following conditions:
1929 The above copyright notice and this permission notice shall be included in
1930 all copies or substantial portions of the Software.
1932 THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
1933 IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
1934 FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.  IN NO EVENT SHALL THE
1935 AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
1936 LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
1937 OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
1938 THE SOFTWARE.
1939 @end quotation
1940 The last sentence is what happens when you allow lawyers to have it
1941 their way with a language.
1943 @node Variable index, Concept index, Copying, Top
1944 @unnumbered Variable index
1945 @printindex vr
1947 @node Concept index,  , Variable index, Top
1948 @unnumbered Concept index
1949 @printindex cp
1951 @bye