Apache APISIX中Keycloak授权插件对查询字符串的处理优化
2025-05-15 13:42:05作者:谭伦延
背景介绍
Apache APISIX是一个高性能的云原生API网关,其authz-keycloak插件提供了与Keycloak授权服务的集成能力。在实际使用中,开发者发现当URL包含查询字符串时,授权功能会出现403错误。
问题分析
Keycloak授权服务目前存在一个已知限制:它不支持对包含动态查询字符串的URL模式进行授权检查。这是由于Keycloak内部实现机制导致的,当请求URI包含查询参数时,授权匹配会失败。
在APISIX的authz-keycloak插件实现中,默认使用了包含完整查询字符串的request_uri变量进行权限检查。这种实现方式与Keycloak的当前限制产生了冲突,导致即使配置了正确的权限策略,带有查询参数的请求也会被拒绝。
技术解决方案
针对这一问题,社区提出了一个优雅的解决方案:为插件添加一个配置选项,允许开发者选择是否在授权检查中包含查询字符串。
具体实现思路是:
- 新增一个布尔型配置项
include_query_string,默认值为true以保持向后兼容 - 当该选项为false时,使用不包含查询字符串的uri变量替代request_uri
- 核心代码修改只需在权限检查处进行变量切换
这种设计既解决了当前问题,又保持了插件的灵活性,开发者可以根据实际业务需求选择是否包含查询参数进行授权检查。
实现验证
已有开发者通过自定义插件的方式验证了这一解决方案的有效性。测试结果表明:
- 当关闭查询字符串包含选项时,授权检查能正常工作
- 对于大多数业务场景,查询字符串中的参数通常不需要用于授权决策
- 该修改不会影响其他功能的正常运行
最佳实践建议
对于需要使用Keycloak授权的APISIX用户,建议:
- 评估业务需求,确认是否真的需要在授权检查中包含查询参数
- 对于大多数场景,可以安全地排除查询字符串
- 关注Keycloak社区对该限制的修复进展
- 在APISIX新版本发布前,可考虑使用自定义插件临时解决
总结
通过对authz-keycloak插件的这一优化,APISIX与Keycloak的集成将更加完善,能够更好地满足不同业务场景下的授权需求。这也体现了开源社区通过协作解决实际问题的价值所在。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
493