使用Solo.io Gloo实现请求头的外部处理与修改
2025-06-12 11:38:20作者:翟萌耘Ralph
前言
在现代微服务架构中,请求头的处理是一个常见但关键的需求。Solo.io Gloo提供的ExtProc(外部处理)功能允许开发者通过外部服务对请求和响应进行高级处理。本文将详细介绍如何利用Gloo的ExtProc功能实现请求头的动态修改。
ExtProc简介
ExtProc是Gloo Gateway企业版提供的一项高级功能,它允许在请求处理流程中插入外部处理逻辑。通过ExtProc,我们可以:
- 动态修改请求和响应头
- 实现自定义的认证和授权逻辑
- 进行请求和响应的转换
- 收集请求和响应指标
环境准备
在开始之前,需要确保已经完成以下准备工作:
- 已安装Gloo Gateway企业版
- 具备Kubernetes集群操作权限
- 了解基本的Kubernetes和Gloo概念
实现步骤
1. 部署ExtProc服务
首先我们需要部署一个ExtProc服务,这个服务将负责处理请求头的修改逻辑:
apiVersion: apps/v1
kind: Deployment
metadata:
name: ext-proc-grpc
spec:
selector:
matchLabels:
app: ext-proc-grpc
replicas: 1
template:
metadata:
labels:
app: ext-proc-grpc
spec:
containers:
- name: ext-proc-grpc
image: gcr.io/solo-test-236622/ext-proc-example-basic-sink:0.0.2
imagePullPolicy: IfNotPresent
ports:
- containerPort: 18080
apiVersion: v1
kind: Service
metadata:
name: ext-proc-grpc
labels:
app: ext-proc-grpc
annotations:
gloo.solo.io/h2_service: "true"
spec:
ports:
- port: 4444
targetPort: 18080
protocol: TCP
selector:
app: ext-proc-grpc
这个示例使用了预构建的ExtProc服务镜像,它支持通过JSON格式的指令来修改请求头。
2. 配置ExtProc指令格式
ExtProc服务通过instructions头接收操作指令,指令格式如下:
{
"addHeaders": {
"header1": "value1",
"header2": "value2"
},
"removeHeaders": [ "header3", "header4" ]
}
addHeaders: 指定需要添加或修改的头部键值对removeHeaders: 指定需要移除的头部名称列表
3. 配置Gloo启用ExtProc
修改Gloo的默认Settings资源,启用ExtProc功能:
extProc:
grpcService:
extProcServerRef:
name: default-ext-proc-grpc-4444
namespace: gloo-system
filterStage:
stage: AuthZStage
predicate: After
failureModeAllow: false
allowModeOverride: false
processingMode:
requestHeaderMode: SEND
responseHeaderMode: SKIP
关键配置说明:
| 配置项 | 说明 |
|---|---|
grpcService.extProcServerRef |
指定ExtProc服务的位置 |
filterStage |
定义ExtProc在过滤器链中的执行位置 |
failureModeAllow |
控制ExtProc失败时的行为 |
processingMode |
定义请求和响应头的处理模式 |
4. 部署测试应用
为了验证ExtProc功能,我们部署一个httpbin应用作为测试后端:
apiVersion: v1
kind: ServiceAccount
metadata:
name: httpbin
apiVersion: v1
kind: Service
metadata:
name: httpbin
labels:
app: httpbin
spec:
ports:
- name: http
port: 8000
targetPort: 80
selector:
app: httpbin
apiVersion: apps/v1
kind: Deployment
metadata:
name: httpbin
spec:
replicas: 1
selector:
matchLabels:
app: httpbin
version: v1
template:
metadata:
labels:
app: httpbin
version: v1
spec:
serviceAccountName: httpbin
containers:
- image: docker.io/kennethreitz/httpbin
imagePullPolicy: IfNotPresent
name: httpbin
ports:
- containerPort: 80
5. 创建虚拟服务
创建一个虚拟服务将httpbin应用暴露在网关上:
apiVersion: gateway.solo.io/v1
kind: VirtualService
metadata:
name: vs
namespace: gloo-system
spec:
virtualHost:
domains:
- '*'
routes:
- matchers:
- prefix: /
routeAction:
single:
upstream:
name: default-httpbin-8000
namespace: gloo-system
6. 测试ExtProc功能
基本请求测试
首先发送一个简单的请求验证基础功能:
curl -vik $(glooctl proxy url)/get -H "header1: value1" -H "header2: value2"
预期输出中应包含传入的header1和header2。
ExtProc请求头修改测试
发送包含修改指令的请求:
curl -vik $(glooctl proxy url)/get -H "header1: value1" -H "header2: value2" -H 'instructions: {"addHeaders":{"header3":"value3","header4":"value4"},"removeHeaders":["instructions", "header2"]}'
预期结果:
- header2被移除
- header3和header4被添加
- instructions头被移除
修改处理模式测试
将Settings中的requestHeaderMode改为SKIP后再次测试:
curl -vik $(glooctl proxy url)/get -H "header1: value1" -H "header2: value2" -H 'instructions: {"addHeaders":{"header3":"value3","header4":"value4"},"removeHeaders":["instructions", "header2"]}'
预期结果:
- 所有原始头保持不变
- ExtProc修改指令未生效
最佳实践
- 性能考虑:ExtProc会增加请求处理延迟,建议只对需要特殊处理的请求启用
- 错误处理:合理配置
failureModeAllow,在开发环境可以设为true便于调试 - 安全考虑:确保ExtProc服务本身的安全性,避免成为攻击入口
- 监控:对ExtProc服务的性能和错误率进行监控
清理资源
完成测试后,可以删除创建的资源:
kubectl delete deployment ext-proc-grpc httpbin
kubectl delete service ext-proc-grpc httpbin
kubectl delete servicaccount httpbin
kubectl delete virtualservice vs -n gloo-system
总结
通过Gloo的ExtProc功能,我们可以灵活地实现请求头的动态修改,满足各种复杂的业务需求。这种外部处理的方式提供了极大的灵活性,同时保持了Gloo配置的简洁性。在实际应用中,可以根据业务需求扩展ExtProc服务的功能,实现更复杂的处理逻辑。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C080
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0131
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 Django图书借阅管理系统:高效智能的图书馆管理解决方案 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 RadiAnt DICOM Viewer 2021.2:专业医学影像阅片软件的全面指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
464
3.45 K
Ascend Extension for PyTorch
Python
272
310
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
192
79
暂无简介
Dart
714
171
React Native鸿蒙化仓库
JavaScript
284
331
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++
844
424
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
105
120
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
10
1
🎉 (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
1.26 K
692