IPsec 在网络层加密，所以上层应用完全不知道它在。 代价是封装会把你辛苦争来的 MTU 吃掉，弄不好就是「网页能开、大文件下不完」。
上一节讲的是「谁在说话」。这一节讲「怎么把两个网连成一条加密隧道」。 Demo 把一个 1500 字节的满包塞进两种模式，算清楚它到底会膨胀多少。
一、AH 和 ESP，两个协议号
IPsec 不是单个协议，是一套，其中真正干活的只有两个头：
| 协议 | 协议号 | 做什么 | 今天还用吗 |
|---|---|---|---|
| AH | 51 | 只认证，不加密 | 基本不用了 |
| ESP | 50 | 加密，也认证 | 主力 |
第一行的设计初衷是「我只要防篡改，不想承担加密开销」， 听着合理，但它有一个致命问题：它连 IP 头一起认证。 而 NAT 会改 IP 头（改地址、改端口），一改，认证就失败。 所以 AH 和 NAT 天生不兼容，这也是它被淘汰的直接原因。 ESP 只认证「ESP 之后的部分」，外面的 IP 头随便 NAT 怎么改都不影响， 所以它能穿过 NAT——工程上能活下来的方案，往往不是最强的那个，是最不挑环境的那个。
二、两种模式，一个藏地址
传输模式和隧道模式的差别只有一句话：原来的 IP 头是保留，还是被当成货物装进去。
| 模式 | 结构 | 典型场景 | 好处 |
|---|---|---|---|
| 传输模式 | 原 IP 头 + ESP | 主机到主机 | 开销小 |
| 隧道模式 | 新 IP 头 + ESP（里面是整个原包） | 网关到网关 | 藏住内网地址 |
第二行就是 VPN 的本质：网关把整个原始包当成货物封起来，再套一层新 IP 头， 于是内网地址在外网完全看不见。 这才是「虚拟专用网」里「虚拟」两个字的来历—— 它不是真的拉了一根专线，而是让公网上的两台网关「表现得像」直连。 所以判断一个方案是不是 VPN，看一个特征就够了：它有没有把原始包整个装进去。 只加密载荷、不动 IP 头的那叫「加密传输」，不叫隧道。
三、IKE 与那五十个字节的代价
两台网关要先商量用哪把钥匙、哪种算法，这件事由 IKE 负责， 它跑在 UDP 500 上（穿过 NAT 时用 4500）。 IKE 分两个阶段：第一阶段建立一条管理通道，第二阶段用这条通道去谈具体的加密参数。 分两阶段的好处是「谈很多次，只建一次通道」。 然后是代价。 ESP 的结构里带着初始向量和完整性校验值，填充又要补齐到 16 的倍数， 所以一个满载的 1500 字节包根本装不下。 不调 MTU 会怎样：包被封好之后超了链路 MTU，只能分片，而分片一旦丢一片，整个包要重传。 表现就是「网页能开（小包），但大文件死活下不完」，这个现象有专门的名字，叫 MTU 黑洞。 排查手法很简单：用 ping 加「不分片」标记，从 1500 往下试，试到能通的那个长度就是真实 MTU。 这也是为什么隧道口普遍设成 1400——留出五十到七十字节的余量，再留一点安全边界。
四、动手 Demo：IPsec 的封装开销，会把你辛苦争来的 MTU 吃掉
一个 1500 字节的满包，分别按传输模式和隧道模式封装，算清楚每一部分占多少， 以及还能不能装进 1500 的 MTU。
ip_h, esp_h, iv, icv = 20, 8, 16, 16
payload = 1500 - ip_h
pad = (16 - payload % 16) % 16 # 补齐到 16 的倍数
esp = esp_h + iv + payload + pad + 1 + 1 + icv
transport = ip_h + esp
tunnel = transport + ip_h # 外面再套一层新 IP 头
print(transport, transport - 1500)
print(tunnel, tunnel - 1500)
实跑输出：
--------------------------------------------------------------------
IPsec 的封装开销，会把你辛苦争来的 MTU 吃掉
--------------------------------------------------------------------
**IPsec 有两种模式，差别只在「原来的 IP 头怎么处理」。**
**下面把一个 1500 字节的满包分别塞进两种模式，算一遍真实长度。**
组成 字节 是什么 要不要
--------------------------------------------------------------------------------
**原始包** **1500** — —
**ESP 头** **8** **SPI 加序号** **两种模式都要**
**初始向量** **16** **AES-CBC 需要** **两种模式都要**
**填充** **8** **补齐到 16 的倍数** **两种模式都要**
**填充长度与下一头** **2** **两个 1 字节** **两种模式都要**
**完整性校验** **16** **ESP 认证** **两种模式都要**
**先说结论**：
模式 封装后长度 多出来的 1500 MTU 下
---------------------------------------------------------
**传输模式** **1550** **50** **超了**
**隧道模式** **1570** **70** **超了**
**两行都超了 1500，而且隧道模式超得更多。**
**为什么多出这么多**：**ESP 的结构本来就带初始向量和校验值，填充又要补齐到 16 的倍数**，
**一个满载的 1500 字节包根本没有余量。**
**所以真实部署里必须把 MTU 调小，常见做法是把隧道口设成 1400。**
**不调会怎样**：**包在 IPsec 网关上被封好之后超了 MTU，只能分片**，
**而分片一旦丢一片，整个包重传**，**表现就是「网页能开，但大文件死活下不完」。**
**这个现象有个专门的名字，叫 MTU 黑洞**，**排查它的标准手法就是 ping 加「不分片」标记试长度。**
**最后分清两种模式用在哪**：
模式 原 IP 头 典型场景 好处
------------------------------------------------------------------------------------
**传输模式** **原 IP 头保留** **端到端，主机之间** **开销小一点**
**隧道模式** **原包整个装进去** **网关到网关** **能藏住内网地址**
**第二行第三列是 VPN 的本质**：**隧道模式把整个原始包当成货物，再套一层新 IP 头**，
**于是内网地址在外网完全看不见**——**这才是「虚拟专用网」里「虚拟」两个字的来历。**
两行都超了 1500，而且隧道模式超得更多。 多出来的五十到七十字节，就是 VPN 的过路费。 为什么这么多： ESP 头 8 字节、初始向量 16 字节、填充 8 字节、填充长度和下一头各 1 字节、校验值 16 字节， 加起来 50；隧道模式再叠一个新 IP 头，就是 70。 注意「填充」那一项是 8 而不是 0：1480 除以 16 余 8，所以要补 8 个字节才能凑成整块。 这个数字每次都可能不同，所以真实设备不会去「算准」，而是直接把 MTU 调小留余量。 最后那张模式对比表是这一节的落点： 传输模式保留原 IP 头，端到端用，开销小；隧道模式把整个包装进去，网关到网关用，能藏地址。 VPN 选的是后者，因为它要解决的正是「内网地址不能暴露在公网上」这件事。
30 秒实验
- 算一下：MTU 设成 1400，最多能容纳多少个原始包的长度？（1400 减 70，也就是 1330 的原始包）
- 想一下：为什么 AH 和 NAT 天生不兼容？
- 想一下：怎么用 ping 判断链路的真实 MTU？
常见误区
- 以为「IPsec 就等于 VPN」。 IPsec 是一套协议，VPN 是它的一种用法，隧道模式才等于 VPN。
- 以为「加密之后包还是那个大小」。 ESP 会加上五十到七十字节，满载的包必然超 MTU。
- 以为「分片了也没关系」。 分片丢一片就整包重传，表现是大文件下不完。
自测三问（点开对答案）
1. AH 和 ESP 的关键差别？ —— **AH 只认证不加密，ESP 两头都做**；而且 AH 连 IP 头一起认证，过不了 NAT。 2. 隧道模式为什么能藏住内网地址？ —— **整个原始包被当成载荷装进去**，外面只剩两个网关的公网地址。 3. 什么是 MTU 黑洞？ —— **小包能过、大包被封完超限只能分片**，丢片就重传，表现为大文件下不动。下一节看最常见的那个：你每打开一个网页，都在用它。
- ☐ （本节完，下一节 9.4.2 TLS／SSL与HTTPS）