Fix an integer overflow in processing client connections.
[polipo.git] / polipo.texi
blob9d0f7a8055ec3ecfa6d20ecbcc408e3dd52be33d
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
561 If the configuration variable @code{daemonise} is set to true, Polipo
562 will run as a daemon: it will fork and detach from its controlling
563 terminal (if any).  The variable @code{daemonise} defaults to false.
565 When Polipo is run as a daemon, it can be useful to get it to
566 atomically write its @emph{pid} to a file.  If the variable
567 @code{pidFile} is defined, it should be the name of a file where
568 Polipo will write its @emph{pid}.  If the file already exists when it
569 is started, Polipo will refuse to run.
571 @node Logging,  , Daemon, Polipo Invocation
572 @subsection Logging
573 @cindex logging
574 @vindex logLevel
575 @vindex logFile
576 @vindex logFilePermissions
577 @vindex logSyslog
578 @vindex logFacility
579 @vindex scrubLogs
581 When it encounters a difficulty, Polipo will print a friendly message.
582 The location where these messages go is controlled by the
583 configuration variables @code{logFile} and @code{logSyslog}.
584 If @code{logSyslog} is @code{true}, error messages go to the system log
585 facility given by @code{logFacility}.  If @code{logFile} is set, it is
586 the name of a file where all output will accumulate.  If @code{logSyslog}
587 is @code{false} and @code{logFile} is empty, messages go to the error
588 output of the process (normally the terminal).
590 The variable @code{logFile} defaults to empty if @code{daemonise} is
591 false, and to @samp{/var/log/polipo} otherwise.  The variable
592 @code{logSyslog} defaults to @code{false}, and @code{logFacility}
593 defaults to @samp{user}.
595 If @code{logFile} is set, then the variable @code{logFilePermissions}
596 controls the Unix permissions with which the log file will be created if
597 it doesn't exist.  It defaults to 0640.
599 The amount of logging is controlled by the variable @code{logLevel}.
600 Please see the file @samp{log.h} in the Polipo sources for the
601 possible values of @code{logLevel}.
603 Keeping extensive logs on your users browsing habits is probably
604 a serere violation of their privacy.  If the variable @code{scrubLogs}
605 is set, then Polipo will scrub most, if not all, private information
606 from its logs.
608 @node Browser configuration, Stopping, Polipo Invocation, Running
609 @section Configuring your browser
610 @cindex browser configuration
611 @cindex user-agent configuration
613 Telling your user-agent (web browser) to use Polipo is an operation
614 that depends on the browser.  Many user-agents will transparently use
615 Polipo if the environment variable @samp{http_proxy} points at it;
616 e.g.@:
617 @example
618 $ export http_proxy=http://localhost:8123/
619 @end example
620 Netscape Navigator, Mozilla, Mozilla Firefox, KDE's Konqueror and
621 probably other browsers require that you configure them manually
622 through their @emph{Preferences} or @emph{Configure} menu.
624 If your user-agent sports such options, tell it to use persistent
625 connections when speaking to proxies, to speak HTTP/1.1 and to use
626 HTTP/1.1 pipelining.
628 @node Stopping, Local server, Browser configuration, Running
629 @section Stopping Polipo and getting it to reload
630 @cindex signals
631 @cindex shutting down
632 @cindex stopping
634 Polipo will shut down cleanly if it receives @code{SIGHUP},
635 @code{SIGTERM} or @code{SIGINT} signals; this will normally happen
636 when a Polipo in the foreground receives a @code{^C} key press, when
637 your system shuts down, or when you use the @code{kill} command with
638 no flags.  Polipo will then write-out all its in-memory data to disk
639 and quit.
641 If Polipo receives the @code{SIGUSR1} signal, it will write out all
642 the in-memory data to disk (but won't discard them), reopen the log
643 file, and then reload the forbidden URLs file (@pxref{Forbidden}).
645 Finally, if Polipo receives the @code{SIGUSR2} signal, it will write
646 out all the in-memory data to disk and discard as much of the memory
647 cache as possible.  It will then reopen the log file and reload the
648 forbidden URLs file.
650 @node Local server,  , Stopping, Running
651 @section The local web server
652 @vindex localDocumentRoot
653 @vindex disableProxy
654 @cindex web server
655 @cindex local server
657 Polipo includes a local web server, which is accessible on the same
658 port as the one the proxy listens to.  Therefore, by default you can
659 access Polipo's local web server as @samp{http://localhost:8123/}.
661 The data for the local web server can be configured by setting
662 @code{localDocumentRoot}, which defaults to
663 @file{/usr/share/polipo/www/}.  Setting this variable to @samp{""}
664 will disable the local server.
666 Polipo assumes that the local web tree doesn't change behind its back.
667 If you change any of the local files, you will need to notify Polipo
668 by sending it a @code{SIGUSR2} signal (@pxref{Stopping}).
670 If you use polipo as a publicly accessible web server, you might want
671 to set the variable @code{disableProxy}, which will prevent it from
672 acting as a web proxy.  (You will also want to set
673 @code{disableLocalInterface} (@pxref{Web interface}), and perhaps run
674 Polipo in a @emph{chroot} jail.)
676 @menu
677 * Web interface::               The web interface.
678 @end menu
680 @node Web interface,  , Local server, Local server
681 @subsection The web interface
682 @cindex runtime configuration
683 @cindex web interface
684 @vindex disableLocalInterface
685 @vindex disableConfiguration
686 @vindex disableServersList
688 The subtree of the local web space rooted at
689 @samp{http://localhost:8123/polipo/} is treated specially: URLs under
690 this root do not correspond to on-disk files, but are generated by
691 Polipo on-the-fly.  We call this subtree Polipo's @dfn{local web
692 interface}.
694 The page @samp{http://localhost:8123/polipo/config?} contains the
695 values of all configuration variables, and allows setting most of them.
697 The page @samp{http://localhost:8123/polipo/status?} provides a summary
698 status report about the running Polipo, and allows performing a number
699 of actions on the proxy, notably flushing the in-memory cache.
701 The page @samp{http://localhost:8123/polipo/servers?} contains the list
702 of known servers, and the statistics maintained about them
703 (@pxref{Server statistics}).
705 The pages starting with @samp{http://localhost:8123/polipo/index?}
706 contain indices of the disk cache.  For example, the following page
707 contains the index of the cached pages from the server of some random
708 company:
709 @example
710 http://localhost:8123/polipo/index?http://www.microsoft.com/
711 @end example
712 The pages starting with
713 @samp{http://localhost:8123/polipo/recursive-index?} contain recursive
714 indices of various servers.  This functionality is disabled by
715 default, and can be enabled by setting the variable
716 @code{disableIndexing}.
718 If you have multiple users, you will probably want to disable the
719 local interface by setting the variable @code{disableLocalInterface}.
720 You may also selectively control setting of variables, indexing and
721 listing known servers by setting the variables
722 @code{disableConfiguration}, @code{disableIndexing} and
723 @code{disableServersList}.
725 @node Network, Caching, Running, Top
726 @chapter Polipo and the network
728 @menu
729 * Client connections::          Speaking to clients
730 * Contacting servers::          Contacting servers.
731 * HTTP tuning::                 Tuning at the HTTP level.
732 * Offline browsing::            Browsing with poor connectivity.
733 * Server statistics::           Polipo keeps statistics about servers.
734 * Server-side behaviour::       Tuning the server-side behaviour.
735 * PMM::                         Poor Man's Multiplexing.
736 * Forbidden::                   You can forbid some URLs.
737 * DNS::                         How Polipo finds hosts.
738 * Parent proxies::              Fetching data from other proxies.
739 * Tuning POST and PUT::         Tuning POST and PUT requests.
740 * Tunnelling connections::      Tunnelling foreign protocols and https.
741 @end menu
743 @node Client connections, Contacting servers, Network, Network
744 @section Client connections
746 @vindex proxyAddress
747 @vindex proxyPort
748 @vindex proxyName
749 @cindex address
750 @cindex port
751 @cindex IPv6
752 @cindex proxy loop
753 @cindex loop
754 @cindex proxy name
755 @cindex via
756 @cindex loopback address
757 @cindex security
759 There are three fundamental values that control how Polipo speaks to
760 clients.  The variable @code{proxyAddress}, defines the IP address on
761 which Polipo will listen; by default, its value is the @dfn{loopback
762 address} @code{"127.0.0.1"}, meaning that Polipo will listen on the
763 IPv4 loopback interface (the local host) only.  By setting this
764 variable to a global IP address or to one of the special values
765 @code{"::"} or @code{"0.0.0.0"}, it is possible to allow Polipo to
766 serve remote clients.  This is likely to be a security hole unless you
767 set @code{allowedClients} to a reasonable value (@pxref{Access control}).
769 Note that the type of address that you specify for @code{proxyAddress}
770 will determine whether Polipo listens to IPv4 or IPv6.  Currently, the
771 only way to have Polipo listen to both protocols is to specify the
772 IPv6 unspecified address (@code{"::"}) for @code{proxyAddress}.
774 The variable @code{proxyPort}, by default 8123, defines the TCP port
775 on which Polipo will listen.
777 The variable @code{proxyName}, which defaults to the host name of the
778 machine on which Polipo is running, defines the @dfn{name} of the
779 proxy.  This can be an arbitrary string that should be unique among
780 all instances of Polipo that you are running.  Polipo uses it in error
781 messages and optionally for detecting proxy loops (by using the
782 @samp{Via} HTTP header, @pxref{Censoring headers}).
784 @menu
785 * Access control::              Deciding who can connect.
786 @end menu
788 @node Access control,  , Client connections, Client connections
789 @subsection Access control
790 @vindex proxyAddress
791 @vindex authCredentials
792 @vindex authRealm
793 @vindex allowedClients
794 @cindex access control
795 @cindex authentication
796 @cindex loopback address
797 @cindex security
798 @cindex username
799 @cindex password
801 By making it possible to have Polipo listen on a non-routable address
802 (for example the loopback address @samp{127.0.0.1}), the variable
803 @code{proxyAddress} provides a very crude form of @dfn{access
804 control}: the ability to decide which hosts are allowed to connect.
806 A finer form of access control can be implemented by specifying
807 explicitly a number of client addresses or ranges of addresses
808 (networks) that a client is allowed to connect from.  This is done
809 by setting the variable @code{allowedClients}.
811 Every entry in @code{allowedClients} can be an IP address, for example
812 @samp{134.157.168.57} or @samp{::1}.  It can also be a network
813 address, i.e.@: an IP address and the number of bits in the network
814 prefix, for example @samp{134.157.168.0/24} or
815 @samp{2001:660:116::/48}.  Typical uses of @samp{allowedClients}
816 variable include
817 @example
818 allowedClients = 127.0.0.1, ::1, 134.157.168.0/24, 2001:660:116::/48
819 @end example
820 or, for an IPv4-only version of Polipo,
821 @example
822 allowedClients = 127.0.0.1, 134.157.168.0/24
823 @end example
825 A different form of access control can be implemented by requiring
826 each client to @dfn{authenticate}, i.e.@: to prove its identity before
827 connecting.  Polipo currently only implements the most insecure form
828 of authentication, @dfn{HTTP basic authentication}, which sends
829 usernames and passwords in clear over the network.  HTTP basic
830 authentication is required when the variable @code{authCredentials} is
831 not null; its value should be of the form @samp{username:password}.
833 Note that both IP-based authentication and HTTP basic authentication
834 are insecure: the former is vulnerable to IP address spoofing, the
835 latter to replay attacks.  If you need to access Polipo over the
836 public Internet, the only secure option is to have it listen over the
837 loopback interface only and use an ssh tunnel (@pxref{Parent
838 proxies})@footnote{It is not quite clear to me whether HTTP digest
839 authentication is worth implementing.  On the one hand, if implemented
840 correctly, it appears to provide secure authentication; on the other
841 hand, and unlike ssh or SSL, it doesn't make any attempt at ensuring
842 privacy, and its optional integrity guarantees are impossible to
843 implement without significantly impairing latency.}.
845 @node Contacting servers, HTTP tuning, Client connections, Network
846 @section Contacting servers
848 @cindex multiple addresses
849 @cindex IPv6
850 @vindex useTemporarySourceAddress
852 A server can have multiple addresses, for example if it is
853 @dfn{multihomed} (connected to multiple networks) or if it can speak
854 both IPv4 and IPv6.  Polipo will try all of a hosts addresses in turn;
855 once it has found one that works, it will stick to that address until
856 it fails again.
858 If connecting via IPv6 there is the possibility to use temporary
859 source addresses to increase privacy (RFC@tie{}3041). The variable
860 @code{useTemporarySourceAddress} controls the use of temporary
861 addresses for outgoing connections; if set to @code{true}
862 temporary addresses are preferred, if set to @code{false} static addresses
863 are used and if set to @code{maybe} (the default) the operation
864 system default is in effect. This setting is not available
865 on all operation systems.
867 @menu
868 * Allowed ports::               Where the proxy is allowed to connect.
869 @end menu
871 @node Allowed ports,  , Contacting servers, Contacting servers
872 @subsection Allowed ports
874 @cindex Allowed ports
875 @cindex Forbidden ports
876 @cindex ports
877 @vindex allowedPorts
879 A TCP service is identified not only by the IP address of the machine
880 it is running on, but also by a small integer, the TCP @dfn{port} it
881 is @dfn{listening} on.  Normally, web servers listen on port 80, but
882 it is not uncommon to have them listen on different ports; Polipo's
883 internal web server, for example, listens on port 8123 by default.
885 The variable @code{allowedPorts} contains the list of ports that
886 Polipo will accept to connect to on behalf of clients; it defaults to
887 @samp{80-100, 1024-65535}.  Set this variable to @samp{1-65535} if your
888 clients (and the web pages they consult!) are fully trusted.  (The
889 variable @code{allowedPorts} is not considered for tunnelled
890 connections; @pxref{Tunnelling connections}).
892 @node HTTP tuning, Offline browsing, Contacting servers, Network
893 @section Tuning at the HTTP level
894 @cindex HTTP
895 @cindex headers
897 @menu
898 * Tuning the HTTP parser::      Tuning parsing of HTTP headers.
899 * Censoring headers::           Censoring HTTP headers.
900 * Intermediate proxies::        Adjusting intermediate proxy behaviour.
901 @end menu
903 @node Tuning the HTTP parser, Censoring headers, HTTP tuning, HTTP tuning
904 @subsection Tuning the HTTP parser
905 @vindex laxHttpParser
906 @vindex bigBufferSize
908 As a number of HTTP servers and CGI scripts serve incorrect HTTP
909 headers, Polipo uses a @emph{lax} parser, meaning that incorrect HTTP
910 headers will be ignored (a warning will be logged by default).  If the
911 variable @code{laxHttpParser} is not set (it is set by default),
912 Polipo will use a @emph{strict} parser, and refuse to serve an
913 instance unless it could parse all the headers.
915 When the amount of headers exceeds one chunk's worth (@pxref{Chunk
916 memory}), Polipo will allocate a @dfn{big buffer} in order to store
917 the headers.  The size of big buffers, and therefore the maximum
918 amount of headers Polipo can parse, is specified by the variable
919 @code{bigBufferSize} (32@dmn{kB} by default).
921 @node Censoring headers, Intermediate proxies, Tuning the HTTP parser, HTTP tuning
922 @subsection Censoring headers
923 @cindex privacy
924 @cindex anonymity
925 @cindex Referer
926 @cindex cookies
927 @vindex censorReferer
928 @vindex censoredHeaders
929 @vindex proxyName
930 @vindex disableVia
932 Polipo offers the option to censor given HTTP headers in both client
933 requests and server replies.  The main application of this feature is
934 to very slightly improve the user's privacy by eliminating cookies and
935 some content-negotiation headers.
937 It is important to understand that these features merely make it
938 slightly more difficult to gather statistics about the user's
939 behaviour.  While they do not actually prevent such statistics from
940 being collected, they might make it less cost-effective to do so.
942 The general mechanism is controlled by the variable
943 @code{censoredHeaders}, the value of which is a case-insensitive list
944 of headers to unconditionally censor.  By default, it is empty, but
945 I recommend that you set it to @samp{From, Accept-Language}.  Adding
946 headers such as @samp{Set-Cookie}, @samp{Set-Cookie2}, @samp{Cookie},
947 @samp{Cookie2} or @samp{User-Agent} to this list will probably break
948 many web sites.
950 The case of the @samp{Referer}@footnote{HTTP contains many mistakes
951 and even one spelling error.} header is treated specially because many
952 sites will refuse to serve pages when it is not provided.  If
953 @code{censorReferer} is @code{false} (the default), @samp{Referer}
954 headers are passed unchanged to the server.  If @code{censorReferer}
955 is @code{maybe}, @samp{Referer} headers are passed to the server only
956 when they refer to the same host as the resource being fetched.  If
957 @code{censorReferer} is @code{true}, all @samp{Referer} headers are
958 censored.  I recommend setting @code{censorReferer} to @code{maybe}.
960 Another header that can have privacy implications is the @samp{Via}
961 header, which is used to specify the chain of proxies through which
962 a given request has passed.  Polipo will generate @samp{Via} headers
963 if the variable @code{disableVia} is @code{false} (it is true by
964 default).  If you choose to generate @samp{Via} headers, you may want
965 to set the @code{proxyName} variable to some innocuous string
966 (@pxref{Client connections}).
968 @menu
969 * Censor Accept-Language::      Why Accept-Language is evil.
970 @end menu
972 @node Censor Accept-Language,  , Censoring headers, Censoring headers
973 @subsubsection Why censor Accept-Language
974 @cindex negotiation
975 @cindex content negotiation
976 @cindex Accept-Language
978 Recent versions of HTTP include a mechanism known as @dfn{content
979 negotiation} which allows a user-agent and a server to negotiate the
980 best representation (instance) for a given resource.  For example, a
981 server that provides both PNG and GIF versions of an image will serve
982 the PNG version to user-agents that support PNG, and the GIF version
983 to Internet Explorer.
985 Content negotiation requires that a client should send with every
986 single request a number of headers specifying the user's cultural and
987 technical preferences.  Most of these headers do not expose sensitive
988 information (who cares whether your browser supports PNG?).  The
989 @samp{Accept-Language} header, however, is meant to convey the user's
990 linguistic preferences.  In some cases, this information is sufficient
991 to pinpoint with great precision the user's origins and even his
992 political or religious opinions; think, for example, of the
993 implications of sending @samp{Accept-Language: yi} or @samp{ar_PS}.
995 At any rate, @samp{Accept-Language} is not useful.  Its design is
996 based on the assumption that language is merely another representation
997 for the same information, and @samp{Accept-Language} simply carries a
998 prioritised list of languages, which is not enough to usefully
999 describe a literate user's preferences.  A typical French user, for
1000 example, will prefer an English-language original to a French
1001 (mis-)translation, while still wanting to see French language texts
1002 when they are original.  Such a situation cannot be described by the
1003 simple-minded @samp{Accept-Language} header.
1005 @node Intermediate proxies,  , Censoring headers, HTTP tuning
1006 @subsection Adjusting intermediate proxy behaviour
1007 @vindex alwaysAddNoTransform
1008 @cindex intermediate proxies
1010 Implementors of intermediate caches (proxies) have found it useful to
1011 convert the media type of certain entity bodies. A non-transparent
1012 proxy might, for example, convert between image formats in order to
1013 save cache space or to reduce the amount of traffic on a slow link.
1015 If @code{alwaysAddNoTransform} is true (it is false by default),
1016 Polipo will add a 'no-transform' cache control directive to all
1017 outgoing requests. This directive forbids (compliant) intermediate
1018 caches from responding with an object that was compressed or
1019 transformed in any way.
1021 @node Offline browsing, Server statistics, HTTP tuning, Network
1022 @section Offline browsing
1023 @vindex proxyOffline
1024 @cindex offline browsing
1025 @cindex browsing offline
1026 @cindex connectivity
1027 @cindex warning
1028 @cindex shift-click
1030 In an ideal world, all machines would have perfect connectivity to the
1031 network at all times and servers would never crash.  In the real
1032 world, it may be necessary to avoid hitting the network and have
1033 Polipo serve stale objects from its cache.
1035 Setting @code{proxyOffline} to @code{true} prevents Polipo from
1036 contacting remote servers, no matter what.  This setting is suitable
1037 when you have no network connection whatsoever.
1039 If @code{proxyOffline} is false, Polipo's caching behaviour is
1040 controlled by a number of variables documented in @ref{Tweaking validation}.
1042 @node Server statistics, Server-side behaviour, Offline browsing, Network
1043 @section Server statistics
1044 @vindex serverExpireTime
1045 @cindex server statistics
1046 @cindex round-trip time
1047 @cindex transfer rate
1049 In order to decide when to pipeline requests (@pxref{Pipelining}) and
1050 whether to perform Poor Man's Multiplexing 
1051 (@pxref{Poor Mans Multiplexing}), Polipo needs to keep statistics
1052 about servers.  These include the server's ability to handle
1053 persistent connections, the server's ability to handle pipelined
1054 requests, the round-trip time to the server, and the server's transfer
1055 rate.  The statistics are accessible from Polipo's web interface
1056 (@pxref{Web interface}). 
1058 The variable @samp{serverExpireTime} (default 1 day) specifies how
1059 long such information remains valid.  If a server has not been
1060 accessed for a time interval of at least @code{serverExpireTime},
1061 information about it will be discarded.
1063 As Polipo will eventually recover from incorrect information about a
1064 server, this value can be made fairly large.  The reason why it exists
1065 at all is to limit the amount of memory used up by information about
1066 servers.
1068 @node Server-side behaviour, PMM, Server statistics, Network
1069 @section Tweaking server-side behaviour
1070 @vindex serverSlots
1071 @vindex serverSlots1
1072 @vindex serverMaxSlots
1073 @vindex smallRequestTime
1074 @vindex replyUnpipelineTime
1075 @vindex replyUnpipelineSize
1076 @vindex maxPipelineTrain
1077 @vindex pipelineAdditionalRequests
1078 @vindex maxSideBuffering
1079 @cindex small request
1080 @cindex large request
1081 @cindex breaking pipelines
1083 The most important piece of information about a server is whether it
1084 supports persistent connections.  If this is the case, Polipo will
1085 open at most @code{serverSlots} connections to that server
1086 (@code{serverSlots1} if the server only implements HTTP/1.0), and
1087 attempt to pipeline; if not, Polipo will hit the server harder,
1088 opening up to @code{serverMaxSlots} connections.
1090 Another use of server information is to decide whether to pipeline
1091 additional requests on a connection that already has in-flight
1092 requests.  This is controlled by the variable
1093 @code{pipelineAdditionalRequests}; if it is @code{false}, no
1094 additional requests will be pipelined.  If it is @code{true},
1095 additional requests will be pipelined whenever possible.  If it is
1096 @code{maybe} (the default), additional requests will only be pipelined
1097 following @dfn{small} requests, where a small request one whose
1098 download is estimated to take no more than @code{smallRequestTime}
1099 (default 5@dmn{s}).
1101 Sometimes, a request has been pipelined after a request that prompts a
1102 very large reply from the server; when that happens, the pipeline
1103 needs be broken in order to reduce latency.  A reply is @dfn{large}
1104 and will cause a pipeline to be broken if either its size is at least
1105 @code{replyUnpipelineSize} (default one megabyte) or else the server's
1106 transfer rate is known and the body is expected to take at least
1107 @code{replyUnpipelineTime} to download (default 15@dmn{s}).
1109 The variable @code{maxPipelineTrain} defines the maximum number of
1110 requests that will be pipelined in a single write (default 10).
1111 Setting this variable to a very low value might (or might not) fix
1112 interaction with some unreliable servers that the normal heuristics
1113 are unable to detect.
1115 The variable @code{maxSideBuffering} specifies how much data will be
1116 buffered in a PUT or POST request; it defaults to 1500 bytes.  Setting
1117 this variable to 0 may cause some media players that abuse the HTTP
1118 protocol to work.
1120 @node PMM, Forbidden, Server-side behaviour, Network
1121 @section Poor Man's Multiplexing
1122 @cindex Poor Man's Multiplexing
1123 @cindex multiplexing
1124 @vindex pmmSize
1125 @vindex pmmFirstSize
1127 By default, Polipo does not use Poor Man's Multiplexing (@pxref{Poor
1128 Mans Multiplexing}).  If the variable @code{pmmSize} is set to a
1129 positive value, Polipo will use PMM when speaking to servers that are
1130 known to support pipelining.  It will request resources by segments of
1131 @code{pmmSize} bytes.  The first segment requested has a size of
1132 @code{pmmFirstSize}, which defaults to twice @code{pmmSize}.
1134 PMM is an intrinsically unreliable technique.  Polipo makes heroic
1135 efforts to make it at least usable, requesting that the server disable
1136 PMM when not useful (by using the @samp{If-Range} header) and
1137 disabling it on its own if a resource turns out to be dynamic.
1138 Notwithstanding these precautions, unless the server
1139 cooperates@footnote{More precisely, unless CGI scripts cooperate.},
1140 you will see failures when using PMM, which will usually result in
1141 blank pages and broken image icons; hitting @emph{Reload} on your
1142 browser will usually cause Polipo to notice that something went wrong
1143 and correct the problem.
1145 @node Forbidden, DNS, PMM, Network
1146 @section Forbidden and redirected URLs
1147 @cindex forbidden
1148 @cindex redirect
1149 @cindex web counter
1150 @cindex counter
1151 @cindex web bug
1152 @cindex bug
1153 @cindex advertisement
1154 @cindex web ad
1155 @cindex banner ad
1157 The web contains advertisements that a user-agent is supposed to
1158 download together with the requested pages.  Not only do
1159 advertisements pollute the user's brain, pushing them around takes
1160 time and uses up network bandwidth.
1162 Many so-called content providers also track user activities by using
1163 @dfn{web bugs}, tiny embedded images that cause a server to log where
1164 they are requested from.  Such images can be detected because they are
1165 usually uncacheable (@pxref{Cache transparency}) and therefore logged
1166 by Polipo by default.
1168 Polipo can be configured to prevent certain URLs from reaching the
1169 browser, either by returning a @emph{forbidden} error message to the
1170 user, or by @emph{redirecting} such URLs to some other URL.
1172 @menu
1173 * Internal forbidden list::     Specifying forbidden URLs.
1174 * External redirectors::        Using an external redirector.
1175 @end menu
1177 @node Internal forbidden list, External redirectors, Forbidden, Forbidden
1178 @subsection Internal forbidden list
1179 @cindex forbidden
1180 @cindex redirect
1181 @vindex forbiddenFile
1182 @vindex forbiddenUrl
1183 @vindex forbiddenRedirectCode
1185 The file pointed at by the variable @code{forbiddenFile} (defaults to
1186 @file{~/.polipo-forbidden} or @file{/etc/polipo/forbidden}, whichever
1187 exists) specifies the set of URLs that should never be fetched.  If
1188 @code{forbiddenFile} is a directory, it will be recursively searched
1189 for files with forbidden URLs.
1191 Every line in a file listing forbidden URLs can either be a domain
1192 name --- a string that doesn't contain any of @samp{/}, @samp{*} or
1193 @samp{\} ---, or a POSIX extended regular expression.  Blank lines are
1194 ignored, as are those that start with a hash sign @samp{#}.
1196 By default, whenever it attempts to fetch a forbidden URL, the browser
1197 will receive a @emph{403 forbidden} error from Polipo.  Some users
1198 prefer to have the browser display a different page or an image.
1200 If @code{forbiddenUrl} is not null, it should represent a URL to which
1201 all forbidden URLs will be redirected.  The kind of redirection used
1202 is specified by @code{forbiddenRedirectCode}; if this is 302 (the
1203 default) the redirection will be marked as temporary, if 301 it will
1204 be a permanent one.
1206 @node External redirectors,  , Internal forbidden list, Forbidden
1207 @subsection External redirectors
1208 @cindex forbidden
1209 @cindex redirect
1210 @cindex redirector
1211 @cindex Squid-style redirector
1212 @cindex Adzapper
1213 @vindex redirector
1214 @vindex redirectorRedirectCode
1216 Polipo can also use an external process (a @dfn{Squid-style
1217 redirector}) to determine which URLs should be redirected.  The name
1218 of the redirector binary is determined from the variable
1219 @code{redirector}, and the kind of redirection generated is specified
1220 by @code{redirectorRedirectCode}, which should be 302 (the default) or
1221 301.
1223 For example, to use Adzapper to redirect ads to an innocuous image, just set
1224 @example
1225 redirector = /usr/bin/adzapper
1226 @end example
1228 @node DNS, Parent proxies, Forbidden, Network
1229 @section The domain name service
1230 @cindex DNS
1231 @cindex name server
1232 @cindex gethostbyname
1233 @cindex resolver
1234 @cindex IPv6
1235 @vindex dnsMaxTimeout
1236 @vindex dnsUseGethostbyname
1237 @vindex dnsNameServer
1238 @vindex dnsNegativeTtl
1239 @vindex dnsGethostbynameTtl
1240 @vindex dnsQueryIPv6
1242 The low-level protocols beneath HTTP identify machines by IP
1243 addresses, sequences of four 8-bit integers such as
1244 @samp{199.232.41.10}@footnote{Or sequences of eight 16-bit integers if
1245 you are running IPv6.}.  HTTP, on the other hand, and most application 
1246 protocols, manipulate host names, strings such as @samp{www.polipo.org}.
1248 The @dfn{domain name service} (DNS) is a distributed database that
1249 maps host names to IP addresses.  When an application wants to make
1250 use of the DNS, it invokes a @dfn{resolver}, a local library or
1251 process that contacts remote name servers.
1253 Polipo usually tries to speak the DNS protocol itself rather than
1254 using the system resolver@footnote{The Unix interface to the resolver
1255 is provided by the @code{gethostbyname}(3) library call
1256 (@code{getaddrinfo}(3) on recent systems), which was designed at
1257 a time when a host lookup consisted in searching for one of five hosts
1258 in a @samp{HOSTS.TXT} file.  The @code{gethostbyname} call is
1259 @dfn{blocking}, meaning that all activity must cease while a host
1260 lookup is in progress.  When the call eventually returns, it doesn't
1261 provide a @dfn{time to live} (TTL) value to indicate how long the
1262 address may be cached.  For these reasons, @code{gethostbyname} is
1263 hardly useful for programs that need to contact more than a few hosts.
1264 (Recent systems replace @code{gethostbyname}(3) by
1265 @code{getaddrinfo}(3), which is reentrant.  While this removes one
1266 important problem that multi-threaded programs encounter, it doesn't
1267 solve any of the other issues with @code{gethostbyname}.)}.  Its
1268 precise behaviour is controlled by the value of
1269 @code{dnsUseGethostbyname}.  If @code{dnsUseGethostbyname} is
1270 @code{false}, Polipo never uses the system resolver.  If it is
1271 @code{reluctantly} (the default), Polipo tries to speak DNS and falls
1272 back to the system resolver if a name server could not be contacted.
1273 If it is @code{happily}, Polipo tries to speak DNS, and falls back to
1274 the system resolver if the host couldn't be found for any reason (this
1275 is not a good idea for shared proxies).  Finally, if
1276 @code{dnsUseGethostbyname} is @code{true}, Polipo never tries to speak
1277 DNS itself and uses the system resolver straight away (this is not
1278 recommended).
1280 If the internal DNS support is used, Polipo must be given a recursive
1281 name server to speak to.  By default, this information is taken from
1282 the @samp{/etc/resolv.conf} file; however, if you wish to use
1283 a different name server, you may set the variable @code{dnsNameServer}
1284 to an IP address@footnote{While Polipo does its own caching of DNS
1285 data, I recommend that you run a local caching name server.  I am very
1286 happy with @uref{http://home.t-online.de/home/Moestl/,,@code{pdnsd}},
1287 notwithstanding its somewhat bizarre handling of TCP connections.}.
1289 When the reply to a DNS request is late to come, Polipo will retry
1290 multiple times using an exponentially increasing timeout.  The maximum
1291 timeout used before Polipo gives up is defined by @code{dnsMaxTimeout}
1292 (default 60@dmn{s}); the total time before Polipo gives up on a DNS
1293 query will be roughly twice @code{dnsMaxTimeout}.
1295 The variable @code{dnsNegativeTtl} specifies the time during which
1296 negative DNS information (information that a host @emph{doesn't}
1297 exist) will be cached; this defaults to 120@dmn{s}.  Increasing this
1298 value reduces both latency and network traffic but may cause a failed
1299 host not to be noticed when it comes back up.
1301 The variable @code{dnsQueryIPv6} specifies whether to query for IPv4
1302 or IPv6 addresses.  If @code{dnsQueryIPv6} is @code{false}, only IPv4
1303 addresses are queried.  If @code{dnsQueryIPv6} is @code{reluctantly},
1304 both types of addresses are queried, but IPv4 addresses are preferred.
1305 If @code{dnsQueryIPv6} is @code{happily} (the default), IPv6 addresses
1306 are preferred.  Finally, if @code{dnsQueryIPv6} is @code{true}, only
1307 IPv6 addresses are queried.
1309 If the system resolver is used, the value @code{dnsGethostbynameTtl}
1310 specifies the time during which a @code{gethostbyname} reply will be
1311 cached (default 5 minutes).
1313 @node Parent proxies, Tuning POST and PUT, DNS, Network
1314 @section Parent proxies
1316 Polipo will usually fetch instances directly from source servers as
1317 this configuration minimises latency.  In some cases, however, it may
1318 be useful to have Polipo fetch instances from a @dfn{parent} proxy.
1320 Polipo can use two protocols to speak to a parent proxy: HTTP and
1321 SOCKS.  When configured to use both HTTP and SOCKS proxying, Polipo
1322 will contact an HTTP proxy over SOCKS --- in other words, SOCKS is
1323 considered as being at a lower (sub)layer than HTTP.
1325 @menu
1326 * HTTP parent proxies::         Using an HTTP parent proxy.
1327 * SOCKS parent proxies::        Using a SOCKS4a parent proxy.
1328 @end menu
1330 @node HTTP parent proxies, SOCKS parent proxies, Parent proxies, Parent proxies
1331 @subsection HTTP parent proxies
1332 @vindex parentProxy
1333 @vindex parentAuthCredentials
1334 @cindex parent proxy
1335 @cindex upstream proxy
1336 @cindex firewall
1337 @cindex authentication
1339 The variable @code{parentProxy} specifies the hostname and port number
1340 of an HTTP parent proxy; it should have the form @samp{host:port}.
1342 If the parent proxy requires authorisation, the username and password
1343 should be specified in the variable @code{parentAuthCredentials} in
1344 the form @samp{username:password}.  Only @emph{Basic} authentication
1345 is supported, which is vulnerable to replay attacks.
1347 The main application of the parent proxy support is to cross
1348 firewalls.  Given a machine, say @code{trurl}, with unrestricted
1349 access to the web, the following evades a firewall by using an
1350 encrypted compressed @code{ssh} link:
1351 @example
1352 $ ssh -f -C -L 8124:localhost:8123 trurl polipo
1353 $ polipo parentProxy=localhost:8124
1354 @end example
1356 @node SOCKS parent proxies,  , HTTP parent proxies, Parent proxies
1357 @subsection SOCKS parent proxies
1358 @cindex SOCKS
1359 @vindex socksParentProxy
1360 @vindex socksUserName
1361 @vindex socksProxyType
1363 The variable @code{socksParentProxy} specifies the hostname and port
1364 number of a SOCKS parent proxy; it should have the form
1365 @samp{host:port}.  The variant of the SOCKS protocol being used is
1366 defined by @code{socksProxyType}, which can be either @samp{socks4a}
1367 or @samp{socks5}; the latter value specifies ``SOCKS5 with
1368 hostnames'', and is the default.
1370 The user name passed to the SOCKS4a proxy is defined by the variable
1371 @code{socksUserName}.  This value is currently ignored with a
1372 SOCKS5 proxy.
1374 The main application of the SOCKS support is to use
1375 @uref{http://tor.eff.org,,Tor} to evade overly restrictive or
1376 misconfigured firewalls.  Assuming you have a Tor client running on
1377 the local host listening on the default port (9050), the following
1378 uses Tor for all outgoing HTTP traffic:
1379 @example
1380 $ polipo socksParentProxy=localhost:9050
1381 @end example
1383 @node Tuning POST and PUT, Tunnelling connections, Parent proxies, Network
1384 @section Tuning POST and PUT requests
1385 @cindex POST request
1386 @cindex PUT request
1387 @vindex expectContinue
1389 The main assumption behind the design of the HTTP protocol is that
1390 requests are idempotent: since a request can be repeated by a client,
1391 a server is allowed to drop a connection at any time.  This fact, more
1392 than anything else, explains the amazing scalability of the protocol.
1394 This assumption breaks down in the case of POST requests.  Indeed, a
1395 POST request usually causes some action to be performed (a page to be
1396 printed, a significant amount of money to be transferred from your
1397 bank account, or, in Florida, a vote to be registered), and such a
1398 request should not be repeated.
1400 The only solution to this problem is to reserve HTTP to idempotent
1401 activities, and use reliable protocols for action-effecting ones.
1402 Notwithstanding that, HTTP/1.1 makes a weak attempt at making POST
1403 requests slightly more reliable and efficient than they are in
1404 HTTP/1.0.
1406 When speaking to an HTTP/1.1 server, an HTTP client is allowed to
1407 request that the server check @emph{a priori} whether it intends to
1408 honour a POST request.  This is done by sending @dfn{an expectation},
1409 a specific header with the request, @samp{Expect: 100-continue}, and
1410 waiting for either an error message or a @samp{100 Continue} reply
1411 from the server.  If the latter arrives, the client is welcome to send
1412 the rest of the POST request@footnote{This, of course, is only part of
1413 the story.  Additionally, the server is not required to reply with
1414 @samp{100 Continue}, hence the client must implement a timeout.
1415 Furthermore, according to the obsolete RFC2068, the server is
1416 allowed to spontaneously send @samp{100 Continue}, so the client must
1417 be prepared to ignore such a reply at any time.}.
1419 Polipo's behaviour w.r.t.@: client expectations is controlled by the
1420 variable @code{expectContinue}.  If this variable is false, Polipo
1421 will never send an expectation to the server; if a client sends an
1422 expectation, Polipo will fail the expectation straight away, causing
1423 the client (if correctly implemented) to retry with no expectation.
1424 If @code{expectContinue} is @code{maybe} (the default), Polipo will
1425 behave in a standards-compliant manner: it will forward expectations
1426 to the server when allowed to do so, and fail client expectations
1427 otherwise.  Finally, if @code{expectContinue} is @code{true}, Polipo
1428 will always send expectations when it is reasonable to do so; this
1429 violates the relevant standards and will break some websites, but
1430 might decrease network traffic under some circumstances.
1432 @node Tunnelling connections,  , Tuning POST and PUT, Network
1433 @section Tunnelling connections
1434 @cindex tunnel
1435 @cindex tunnelling proxy
1436 @cindex https
1437 @cindex HTTP/SSL
1438 @cindex rsync
1439 @cindex CONNECT
1440 @vindex tunnelAllowedPorts
1442 Polipo is an HTTP proxy; it proxies HTTP traffic, and clients using
1443 other protocols should either establish a direct connection to the
1444 server or use an @emph{ad hoc} proxy.
1446 In many circumstances, however, it is not possible to establish
1447 a direct connection to the server, for example due to mis-configured
1448 firewalls or when trying to access the IPv4 Internet from an IPv6-only
1449 host.  In such situations, it is possible to have Polipo behave as
1450 a @emph{tunnelling} proxy --- a proxy that merely forwards traffic
1451 between the client and the server without understanding it.  Polipo
1452 enters tunnel mode when the client requests it by using the HTTP
1453 @samp{CONNECT} method.
1455 Most web browsers will use this technique for HTTP over SSL if
1456 configured to use Polipo as their `https proxy'.  More generally, the
1457 author has successfully used it to cross mis-configured firewalls
1458 using OpenSSH, rsync, Jabber, IRC, etc.
1460 The variable @code{tunnelAllowedPorts} specifies the set of ports that
1461 Polipo will accept to tunnel traffic to.  It defaults to allowing ssh,
1462 HTTP, https, rsync, IMAP, imaps, POP, pops, Jabber, CVS and Git traffic.
1464 @node Caching, Memory usage, Network, Top
1465 @chapter Caching
1467 @menu
1468 * Cache transparency::          Fresh and stale data.
1469 * Memory cache::                The in-memory cache.
1470 * Disk cache::                  The on-disk cache.
1471 @end menu
1473 @node Cache transparency, Memory cache, Caching, Caching
1474 @section Cache transparency and validation
1475 @cindex transparent cache
1476 @cindex cache transparency
1477 @cindex out-of-date instances
1478 @cindex validation
1479 @cindex revalidation
1480 @cindex expire
1481 @cindex stale
1482 @cindex fresh
1484 If resources on a server change, it is possible for a cached instance
1485 to become out-of date.  Ideally, a cache would be perfectly
1486 @dfn{transparent}, meaning that it never serves an out-of-date
1487 instance; in a universe with a finite speed of signal propagation,
1488 however, this ideal is impossible to achieve.
1490 If a caching proxy decides that a cached instance is new enough to
1491 likely still be valid, it will directly serve the instance to the
1492 client; we then say that the cache decided that the instance is
1493 @dfn{fresh}.  When an instance is @dfn{stale} (not fresh), the cache
1494 will check with the upstream server whether the resource has changed;
1495 we say that the cached instance is being @dfn{revalidated}.
1497 In HTTP/1.1, responsibility for revalidation is shared between the
1498 client, the server and the proxy itself.  The client can override
1499 revalidation policy by using the @samp{Cache-Control}
1500 header@footnote{Or the obsolete @samp{Pragma} header.}; for example,
1501 some user-agents will request end-to-end revalidation in this way when
1502 the user shift-clicks on @emph{reload}.  The server may choose to
1503 specify revalidation policy by using the @samp{Expires} and
1504 @samp{Cache-Control} headers.  As to the proxy, it needs to choose a
1505 revalidation policy for instances with neither server- nor client-side
1506 cache control information.  Of course, nothing (except the HTTP/1.1
1507 spec, but that is easily ignored) prevents a proxy from overriding the
1508 client's and server's cache control directives.
1510 @menu
1511 * Tuning validation::           Tuning Polipo's validation behaviour.
1512 * Tweaking validation::         Further tweaking of validation.
1513 @end menu
1515 @node Tuning validation, Tweaking validation, Cache transparency, Cache transparency
1516 @subsection Tuning validation behaviour
1517 @cindex age
1518 @vindex maxAge
1519 @vindex maxAgeFraction
1520 @vindex maxExpiresAge
1521 @vindex maxNoModifiedAge
1523 Polipo's revalidation behaviour is controlled by a number of
1524 variables.  In the following, an resource's @dfn{age} is the time since
1525 it was last validated, either because it was fetched from the server
1526 or because it was revalidated.
1528 The policy defining when cached instances become stale in the absence
1529 of server-provided information is controlled by the variables
1530 @code{maxAge}, @code{maxAgeFraction}, @code{maxExpiresAge} and
1531 @code{maxNoModifiedAge}.  If an instance has an @samp{Expires} header,
1532 it becomes stale at the date given by that header, or when its age
1533 becomes larger than @code{maxExpiresAge}, whichever happens first.  If
1534 an instance has no @samp{Expires} header but has a @samp{LastModified}
1535 header, it becomes stale when its age reaches either
1536 @code{maxAgeFraction} of the time since it was last modified or else
1537 the absolute value @code{maxAge}, whichever happens first.  Finally,
1538 if an instance has neither @samp{Expires} nor @samp{Last-Modified}, it
1539 will become stale when its age reaches @code{maxNoModifiedAge}.
1541 @node Tweaking validation,  , Tuning validation, Cache transparency
1542 @subsection Further tweaking of validation behaviour
1543 @cindex uncachable
1544 @cindex vary
1545 @vindex cacheIsShared
1546 @vindex mindlesslyCacheVary
1547 @vindex uncachableFile
1548 @vindex dontCacheCookies
1549 @vindex dontCacheRedirects
1550 @vindex dontTrustVaryETag
1552 If @code{cacheIsShared} is false (it is true by default), Polipo will
1553 ignore the server-side @samp{Cache-Control} directives @samp{private},
1554 @samp{s-maxage} and @samp{proxy-must-revalidate}.  This is highly
1555 desirable behaviour when the proxy is used by just one user, but might
1556 break some sites if the proxy is shared.
1558 When connectivity is very poor, the variable @code{relaxTransparency}
1559 can be used to cause Polipo to serve stale instances under some
1560 circumstances.  If @code{relaxTransparency} is @code{false} (the
1561 default), all stale instances are validated (@pxref{Cache
1562 transparency}), and failures to connect are reported to the client.
1563 This is the default mode of operation of most other proxies, and the
1564 least likely to surprise the user.
1566 If @code{relaxTransparency} is @code{maybe}, all stale instances are
1567 still validated, but a failure to connect is only reported as an error
1568 if no data is available in the cache.  If a connection fails and stale
1569 data is available, it is served to the client with a suitable HTTP/1.1
1570 @samp{Warning} header.  Current user-agents do not provide visible
1571 indication of such warnings, however, and this setting will typically
1572 cause the browser to display stale data with no indication that
1573 anything went wrong.  It is useful when you are consulting a live web
1574 site but don't want to be bothered with failed revalidations.
1576 If @code{relaxTransparency} is @code{true}, missing data is fetched
1577 from remote servers, but stale data are unconditionally served with no
1578 validation.  Client-side @samp{Cache-Control} directives are still
1579 honoured, which means that you can force an end-to-end revalidation
1580 from the browser's interface (typically by shift-clicking on
1581 ``reload'').  This setting is only useful if you have very bad network
1582 connectivity or are consulting a very slow web site or one that
1583 provides incorrect cache control information@footnote{This is for
1584 example the case of @code{www.microsoft.com}, and also of websites
1585 generated by a popular Free content management system written in
1586 Python.} and are willing to manually revalidate pages that you suspect
1587 are stale.
1589 If @code{mindlesslyCacheVary} is true, the presence of a @samp{Vary}
1590 header (which indicates that content-negotiation occurred,
1591 @pxref{Censor Accept-Language}) is ignored, and cached negotiated
1592 instances are mindlessly returned to the client.  If it is false (the
1593 default), negotiated instances are revalidated on every client
1594 request.
1596 Unfortunately, a number of servers (most notably some versions of
1597 Apache's @code{mod_deflate} module) send objects with a @samp{ETag}
1598 header that will confuse Polipo in the presence of a @samp{Vary}
1599 header.  Polipo will make a reasonable check for consistency if
1600 @samp{dontTrustVaryETag} is set to @samp{maybe} (the default); it will
1601 systematically ignore @samp{ETag} headers on objects with @samp{Vary}
1602 headers if it is set to @samp{true}.
1604 A number of websites incorrectly mark variable resources as cachable;
1605 such issues can be worked around in polipo by manually marking given
1606 categories of objects as uncachable.  If @code{dontCacheCookies} is
1607 true, all pages carrying HTTP cookies will be treated as uncachable.
1608 If @code{dontCacheRedirects} is true, all redirects (301 and 302) will
1609 be treated as uncachable.  Finally, if everything else fails, a list
1610 of uncachable URLs can be given in the file specified by
1611 @code{uncachableFile}, which has the same format as the
1612 @code{forbiddenFile} (@pxref{Internal forbidden list}).  If not
1613 specified, its location defaults to @samp{~/.polipo-uncachable} or
1614 @samp{/etc/polipo/uncachable}, whichever exists.
1616 @node Memory cache, Disk cache, Cache transparency, Caching
1617 @section The in-memory cache
1619 The in-memory cache consists of a list of HTTP and DNS objects
1620 maintained in least-recently used order.  An index to the in-memory
1621 cache is maintained as a (closed) hash table.
1623 When the in-memory cache grows beyond a certain size (controlled by a
1624 number of variables, @pxref{Memory usage}), or when a hash table
1625 collision occurs, resources are written out to disk.
1627 @node Disk cache,  , Memory cache, Caching
1628 @section The on-disk cache
1629 @cindex filesystem
1630 @cindex NFS
1631 @vindex diskCacheRoot
1632 @vindex maxDiskEntries
1633 @vindex diskCacheWriteoutOnClose
1634 @vindex diskCacheFilePermissions
1635 @vindex diskCacheDirectoryPermissions
1636 @vindex maxDiskCacheEntrySize
1638 The on-disk cache consists in a filesystem subtree rooted at
1639 a location defined by the variable @code{diskCacheRoot}, by default
1640 @code{"/var/cache/polipo/"}.  This directory should normally be
1641 writeable, readable and seekable by the user running Polipo.  While it
1642 is best to use a local filesystem for the on-disk cache, a NFSv3- or
1643 AFS-mounted filesystem should be safe in most implementations.  Do not
1644 use NFSv2, as it will cause cache corruption @footnote{Polipo assumes
1645 that @samp{open(O_CREAT | O_EXCL)} works reliably.}.
1647 If @code{diskCacheRoot} is an empty string, no disk cache is used.
1649 The value @code{maxDiskEntries} (32 by default) is the absolute
1650 maximum of file descriptors held open for on-disk objects.  When this
1651 limit is reached, Polipo will close descriptors on
1652 a least-recently-used basis.  This value should be set to be slightly
1653 larger than the number of resources that you expect to be live at
1654 a single time; defining the right notion of liveness is left as an
1655 exercise for the interested reader.
1657 The value @code{diskCacheWriteoutOnClose} (32@dmn{kB} by default) is
1658 the amount of data that Polipo will write out when closing a disk
1659 file.  Writing out data when closing a file can avoid subsequently
1660 reopening it, but causes unnecessary work if the instance is later
1661 superseded.
1663 The integers @code{diskCacheDirectoryPermissions} and
1664 @code{diskCacheFilePermissions} are the Unix filesystem permissions
1665 with which files and directories are created in the on-disk cache;
1666 they default to @samp{0700} and @samp{0600} respectively.
1668 The variable @code{maxDiskCacheEntrySize} specifies the maximum size,
1669 in bytes, of an instance that is stored in the on-disk cache.  If set
1670 to -1 (the default), all objects are stored in the on-disk cache,
1672 @menu
1673 * Asynchronous writing::        Writing out data when idle.
1674 * Purging::                     Purging the on-disk cache.
1675 * Disk format::                 Format of the on-disk cache.
1676 * Modifying the on-disk cache::  
1677 @end menu
1679 @node Asynchronous writing, Purging, Disk cache, Disk cache
1680 @subsection Asynchronous writing
1681 @vindex idleTime
1682 @vindex maxObjectsWhenIdle
1683 @vindex maxWriteoutWhenIdle
1685 When Polipo runs out of memory (@pxref{Limiting memory usage}), it
1686 will start discarding instances from its memory cache.  If a disk
1687 cache has been configured, it will write out any instance that it
1688 discards.  Any memory allocation that prompted the purge must then
1689 wait for the write to complete.
1691 In order to avoid the latency hit that this causes, Polipo will
1692 preemptively write out instances to the disk cache whenever it is
1693 idle.  The integer @code{idleTime} specifies the time during which
1694 Polipo will remain idle before it starts writing out random objects to
1695 the on-disk cache; this value defaults to 20@dmn{s}.  You may want to
1696 decrease this value for a busy cache with little memory, or increase
1697 it if your cache is often idle and has a lot of memory.
1699 The value @code{maxObjectsWhenIdle} (default 32) specifies the maximum
1700 number of instances that an idle Polipo will write out without
1701 checking whether there's any new work to do.  The value
1702 @code{maxWriteoutWhenIdle} specifies the maximum amount of data
1703 (default 64@dmn{kB}) that Polipo will write out without checking for
1704 new activity.  Increasing these values will make asynchronous
1705 write-out slightly faster, at the cost of possibly increasing Polipo's
1706 latency in some rare circumstances.
1708 @node Purging, Disk format, Asynchronous writing, Disk cache
1709 @subsection Purging the on-disk cache
1710 @cindex purging
1711 @vindex diskCacheUnlinkTime
1712 @vindex diskCacheTruncateTime
1713 @vindex diskCacheTruncateSize
1714 @vindex preciseExpiry
1716 Polipo never removes a file in its on-disk cache, except when it finds
1717 that the instance that it represents has been superseded by a newer
1718 version.  In order to keep the on-disk cache from growing without
1719 bound, it is necessary to @dfn{purge} it once in a while.  Purging the
1720 cache typically consists in removing some files, truncating large
1721 files (@pxref{Partial instances}) or moving them to off-line storage.
1723 Polipo itself can be used to purge its on-disk cache; this is done by
1724 invoking Polipo with the @option{-x} flag.  This can safely be done
1725 when Polipo is running (@pxref{Modifying the on-disk cache}).
1727 For a purge to be effective, it is necessary to cause Polipo to
1728 write-out its in-memory cache to disk (@pxref{Stopping}).
1729 Additionally, Polipo will not necessarily notice the changed files
1730 until it attempts to access them; thus, you will want it to discard
1731 its in-memory cache after performing the purge.  The safe way to
1732 perform a purge is therefore:
1733 @example
1734 $ kill -USR1 @var{polipo-pid}
1735 $ sleep 1
1736 $ polipo -x
1737 $ kill -USR2 @var{polipo-pid}
1738 @end example
1740 The behaviour of the @option{-x} flag is controlled by three
1741 configuration variables.  The variable @code{diskCacheUnlinkTime}
1742 specifies the time during which an on-disk entry should remain unused
1743 before it is eligible for removal; it defaults to 32 days.  
1745 The variable @code{diskCacheTruncateTime} specifies the time for which
1746 an on-disk entry should remain unused before it is eligible for
1747 truncation; it defaults to 4 days and a half.  The variable
1748 @code{diskCacheTruncateSize} specifies the size at which files are
1749 truncated after they have not been accessed for
1750 @code{diskCacheTruncateTime}; it defaults to 1@dmn{MB}.
1752 Usually, Polipo uses a file's modification time in order to determine
1753 whether it is old enough to be expirable.  This heuristic can be
1754 disabled by setting the variable @code{preciseExpiry} to true.
1756 @node Disk format, Modifying the on-disk cache, Purging, Disk cache
1757 @subsection Format of the on-disk cache
1758 @vindex DISK_CACHE_BODY_OFFSET
1759 @cindex on-disk file
1760 @cindex on-disk cache
1762 The on-disk cache consists of a collection of files, one per instance.
1763 The format of an on-disk resource is similar to that of an HTTP
1764 message: it starts with an HTTP status line, followed by HTTP headers,
1765 followed by a blank line (@samp{\r\n\r\n}).  The blank line is
1766 optionally followed by a number of binary zeroes.  The body of the
1767 instance follows.
1769 The headers of an on-disk file have a few minor differences with HTTP
1770 messages.  Obviously, there is never a @samp{Transfer-Encoding} line.
1771 A few additional headers are used by Polipo for its internal
1772 bookkeeping:
1773 @itemize
1774 @item 
1775 @samp{X-Polipo-Location}: this is the URL of the resource stored in this
1776 file.  This is always present.
1778 @item
1779 @samp{X-Polipo-Date}: this is Polipo's estimation of the date at which
1780 this instance was last validated, and is used for generating the
1781 @samp{Age} header of HTTP messages.  This is optional, and only stored
1782 if different from the instance's date.
1784 @item
1785 @samp{X-Polipo-Access}: this is the date when the instance was last
1786 accessed by Polipo, and is used for cache purging (@pxref{Purging}).
1787 This is optional, and is absent if the instance was never accessed.
1789 @item
1790 @samp{X-Polipo-Body-Offset}: the presence of this line indicates that
1791 the blank line following the headers is followed by a number of zero
1792 bytes.  Its value is an integer, which indicates the offset since the
1793 beginning of the file at which the instance body actually starts.
1794 This line is optional, and if absent the body starts immediately after
1795 the blank line.
1797 @end itemize
1799 @node Modifying the on-disk cache,  , Disk format, Disk cache
1800 @subsection Modifying the on-disk cache
1801 @cindex on-disk cache
1803 It is safe to modify the on-disk cache while Polipo is running as long
1804 as no file is ever modified in place.  More precisely, the only safe
1805 operations are to unlink (remove, delete) files in the disk cache, or
1806 to atomically add new files to the cache (by performing an exclusive
1807 open, or by using one of the @samp{link} or @samp{rename} system
1808 calls).  It is @emph{not} safe to truncate a file in place.
1810 @node Memory usage, Copying, Caching, Top
1811 @chapter Memory usage
1812 @cindex memory
1814 Polipo uses two distinct pools of memory, the @dfn{chunk pool} and
1815 the @dfn{malloc pool}.
1817 @menu
1818 * Chunk memory::                Chunk memory.
1819 * Malloc memory::               Malloc memory.
1820 * Limiting memory usage::       Limiting Polipo's memory usage.
1821 @end menu
1823 @node Chunk memory, Malloc memory, Memory usage, Memory usage
1824 @section Chunk memory
1826 @vindex CHUNK_SIZE
1827 @vindex MALLOC_CHUNKS
1828 @cindex chunk
1829 @cindex memory
1831 Most of the memory used by Polipo is stored in chunks, fixed-size
1832 blocks of memory; the size of a chunk is defined by the compile-time
1833 constant @code{CHUNK_SIZE}, and defaults to 4096 bytes on 32-bit
1834 platforms, 8192 on 64-bit ones.  Chunks are used for storing object
1835 data (bodies of instances) and for temporary I/O buffers.  Increasing
1836 the chunk size increases performance somewhat, but at the cost of
1837 larger granularity of allocation and hence larger memory usage.
1839 By default, Polipo uses a hand-crafted memory allocator based on
1840 @code{mmap}(2) (@code{VirtualAlloc} under Windows) for allocating
1841 chunks; while this is very slightly faster than the stock memory
1842 allocator, its main benefit is that it limits memory fragmentation.
1843 It is possible to disable the chunk allocator, and use
1844 @code{malloc}(3) for all memory allocation, by defining
1845 @code{MALLOC_CHUNKS} at compile time; this is probably only useful for
1846 debugging.
1848 There is one assumption made about @code{CHUNK_SIZE}:
1849 @code{CHUNK_SIZE} multiplied by the number of bits in an
1850 @code{unsigned long} (actually in a @code{ChunkBitmap} --- see
1851 @file{chunk.c}) must be a multiple of the page size, which is 4096 on
1852 most systems (8192 on Alpha, and apparently 65536 on Windows).
1854 As all network I/O will be performed in units of one to two chunks,
1855 @code{CHUNK_SIZE} should be at least equal to your network interface's
1856 MTU (typically 1500 bytes).  Additionally, as much I/O will be done at
1857 @code{CHUNK_SIZE}-aligned addresses, @code{CHUNK_SIZE} should ideally
1858 be a multiple of the page size.
1860 In summary, 2048, 4096, 8192 and 16384 are good choices for
1861 @code{CHUNK_SIZE}.
1863 @node Malloc memory, Limiting memory usage, Chunk memory, Memory usage
1864 @section Malloc allocation
1865 @cindex malloc
1866 @cindex memory
1868 Polipo uses the standard @code{malloc}(3) memory allocator for
1869 allocating small data structures (up to 100 bytes), small strings and
1870 atoms (unique strings).
1872 @node Limiting memory usage,  , Malloc memory, Memory usage
1873 @section Limiting Polipo's memory usage
1874 @cindex limiting memory
1875 @cindex memory
1877 Polipo is designed to work well when given little memory, but will
1878 happily scale to larger configurations.  For that reason, you need to
1879 inform it of the amount of memory it can use.
1881 @menu
1882 * Limiting chunk usage::        Discard objects when low on chunks.
1883 * Limiting object usage::       Limit the number of objects.
1884 * OS usage limits::             Don't impose OS limits.
1885 @end menu
1887 @node Limiting chunk usage, Limiting object usage, Limiting memory usage, Limiting memory usage
1888 @subsection Limiting chunk usage
1890 @vindex chunkHighMark
1891 @vindex chunkCriticalMark
1892 @vindex chunkLowMark
1893 @vindex CHUNK_SIZE
1894 @cindex memory
1895 @cindex chunk
1897 You can limit Polipo's usage of chunk memory by setting
1898 @code{chunkHighMark} and @code{chunkLowMark}.
1900 The value @code{chunkHighMark} is the absolute maximum number of bytes
1901 of allocated chunk memory.  When this value is reached, Polipo will try
1902 to purge objects from its in-memory cache; if that fails to free memory,
1903 Polipo will start dropping connections.  This value defaults to
1904 24@dmn{MB} or one quarter of the machine's physical memory, whichever is
1905 less.
1907 When chunk usage falls back below @code{chunkLowMark}, Polipo will
1908 stop discarding in-memory objects.  The value
1909 @code{chunkCriticalMark}, which should be somewhere between
1910 @code{chunkLowMark} and @code{chunkHighMark}, specifies the value
1911 above which Polipo will make heroic efforts to free memory, including
1912 punching holes in the middle of instances, but without dropping
1913 connections.
1915 Unless set explicitly, both @code{chunkLowMark} and
1916 @code{chunkCriticalMark} are computed automatically from
1917 @code{chunkHighMark}.
1919 @node Limiting object usage, OS usage limits, Limiting chunk usage, Limiting memory usage
1920 @subsection Limiting object usage
1922 @vindex objectHighMark
1923 @vindex publicObjectLowMark
1924 @vindex objectHashTableSize
1926 Besides limiting chunk usage, it is possible to limit Polipo's memory
1927 usage by bounding the number of objects it keeps in memory at any given
1928 time.  This is done with @code{objectHighMark} and
1929 @code{publicObjectLowMark}.
1931 The value @code{objectHighMark} is the absolute maximum of objects
1932 held in memory (including resources and server addresses).  When the
1933 number of in-memory objects that haven't been superseded yet falls
1934 below @code{publicObjectLowMark}, Polipo will stop writing out objects
1935 to disk (superseded objects are discarded as soon as possible).
1937 On 32-bit architectures, every object costs 108 bytes of memory, plus
1938 storage for every globally unique header that is not handled specially
1939 (hopefully negligible), plus an overhead of one word (4 bytes) for
1940 every chunk of data in the object.
1942 You may also want to change @code{objectHashTableSize}.  This is the
1943 size of the hash table used for holding objects; it should be a power
1944 of two and defaults to eight times @code{objectHighMark}.  Increasing
1945 this value will reduce the number of objects being written out to disk
1946 due to hash table collisions.  Every hash table entry costs one word.
1948 @node OS usage limits,  , Limiting object usage, Limiting memory usage
1949 @subsection OS usage limits
1950 @cindex usage limit
1951 @cindex ulimit
1952 @cindex OOM killer
1954 Many operating systems permit limiting a process' memory usage by
1955 setting a @dfn{usage limit}; on most Unix-like systems, this is done
1956 with the @option{-v} option to the @command{ulimit} command.
1957 Typically, the effect is to cause calls to the @code{malloc} and
1958 @code{mmap} library functions to fail.
1960 Polipo will usually react gracefully to failures to allocate
1961 memory@footnote{There are exactly three places in the code where
1962 Polipo will give up and exit if out of memory; all three are extremely
1963 unlikely to happen in practice.}.  Nonetheless, you should avoid using
1964 OS limits to limit Polipo's memory usage: when it hits an OS limit,
1965 Polipo cannot allocate the memory needed to schedule recovery from the
1966 out-of-memory condition, and has no choice other than to drop a
1967 connection.
1969 Unfortunately, some operating system kernels (notably certain Linux
1970 releases) fail to fail an allocation if no usage limit is given;
1971 instead, they either crash when memory is exhausted, or else start
1972 killing random processes with no advance warning@footnote{How I wish
1973 for a @samp{SIGXMEM} signal.}.  On such systems, imposing an
1974 (unrealistically large) usage limit on Polipo is the safe thing to do.
1976 @node Copying, Variable index, Memory usage, Top
1977 @unnumbered Copying
1978 You are allowed to do anything you wish with Polipo as long as you
1979 don't deny my right to be recognised as its author and you don't blame
1980 me if anything goes wrong.
1982 More formally, Polipo is distributed under the following terms:
1984 @quotation
1985 Copyright @copyright{} 2003--2006 by Juliusz Chroboczek
1987 Permission is hereby granted, free of charge, to any person obtaining a copy
1988 of this software and associated documentation files (the "Software"), to deal
1989 in the Software without restriction, including without limitation the rights
1990 to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
1991 copies of the Software, and to permit persons to whom the Software is
1992 furnished to do so, subject to the following conditions:
1994 The above copyright notice and this permission notice shall be included in
1995 all copies or substantial portions of the Software.
1997 THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
1998 IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
1999 FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.  IN NO EVENT SHALL THE
2000 AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
2001 LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
2002 OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
2003 THE SOFTWARE.
2004 @end quotation
2005 The last sentence is what happens when you allow lawyers to have it
2006 their way with a language.
2008 @node Variable index, Concept index, Copying, Top
2009 @unnumbered Variable index
2010 @printindex vr
2012 @node Concept index,  , Variable index, Top
2013 @unnumbered Concept index
2014 @printindex cp
2016 @bye