Apache APISIX 实现 HTTP 和 gRPC 同端口代理的技术解析
背景介绍
在现代微服务架构中,HTTP 和 gRPC 是两种最常用的通信协议。HTTP 协议因其简单通用而被广泛采用,而 gRPC 则凭借其高效的二进制传输和强类型接口定义在性能敏感场景中占据优势。传统上,这两种协议通常需要分别配置不同的监听端口,增加了运维复杂性和资源消耗。
Apache APISIX 作为一款高性能的云原生 API 网关,提供了在同一端口同时代理 HTTP 和 gRPC 流量的能力,这一特性对于简化架构部署、优化资源利用具有重要意义。
技术实现原理
实现 HTTP 和 gRPC 同端口代理的核心在于 HTTP/2 协议的支持。HTTP/2 作为 HTTP 协议的现代化版本,不仅提升了传输效率,还支持多路复用等高级特性。gRPC 协议正是构建在 HTTP/2 之上的,因此只要正确配置 HTTP/2 支持,就能实现两种协议的同端口处理。
在 Apache APISIX 中,这一功能通过以下关键配置实现:
- 在
config.yaml中启用 HTTP/2 支持:
apisix:
enable_http2: true
- 在路由配置中分别定义 HTTP 和 gRPC 的路由规则:
routes:
- uri: "/*"
upstream:
scheme: "grpc"
nodes:
- host: "192.168.31.158"
port: 50051
- uri: "/test"
upstream:
scheme: "http"
nodes:
- host: "192.168.31.158"
port: 888
版本兼容性说明
值得注意的是,这一功能的可用性与底层 OpenResty 版本密切相关:
- OpenResty 1.21.x 及以下版本:需要通过
http2 on指令显式启用 HTTP/2 支持 - OpenResty 1.25.x 及以上版本:HTTP/2 支持更加完善,配置更为简单
Apache APISIX 3.9.1 版本基于 OpenResty 1.25.3.1,原生支持这一功能;而 2.15.0 版本基于 OpenResty 1.21.4.2,需要额外的配置才能实现。
实际应用场景
这种同端口代理的能力在实际生产环境中有多种应用价值:
- 简化网络架构:减少需要开放的端口数量,降低防火墙规则复杂度
- 资源优化:共享同一组工作进程处理两种协议流量,提高资源利用率
- 统一入口:为客户端提供单一访问端点,简化客户端配置
- 灰度发布:可以在同一端口上逐步将 HTTP 服务迁移到 gRPC 服务
性能考量
虽然同端口代理带来了管理上的便利,但也需要考虑以下性能因素:
- 连接复用:HTTP/2 的多路复用特性可以显著减少连接建立开销
- 协议识别:网关需要额外开销来识别请求协议类型
- 资源竞争:两种协议共享同一组工作进程可能导致资源争用
在大多数场景下,同端口代理带来的管理简化优势远大于其微小的性能开销。
总结
Apache APISIX 通过 HTTP/2 协议支持实现了 HTTP 和 gRPC 的同端口代理,这一特性充分展现了现代 API 网关的灵活性和强大功能。随着 OpenResty 版本的演进,这一功能的实现也变得更加简单可靠。对于正在构建微服务架构的团队,合理利用这一特性可以显著简化系统架构,提高运维效率。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00