Higress网关实现真实IP获取与IP白名单配置实践
背景介绍
在云原生微服务架构中,API网关作为流量入口,其安全防护能力尤为重要。阿里云开源的Higress作为新一代云原生网关,提供了丰富的安全插件,其中IP限制功能是基础且重要的安全防护手段。但在实际使用过程中,由于网络架构的复杂性,网关往往无法直接获取客户端的真实IP地址,导致IP白名单功能失效。
问题现象
用户在使用Higress网关的IP限制插件时,发现配置的白名单IP无法生效。经排查发现,网关日志中记录的客户端IP实际上是Kubernetes节点内网IP,而非真实的客户端公网IP。这种情况通常发生在网关前端部署了负载均衡器(如阿里云CLB)的场景下。
技术原理分析
在典型的云环境架构中,客户端请求通常需要经过以下路径:
- 客户端 → 2. 云负载均衡(CLB) → 3. Kubernetes节点 → 4. Higress网关
默认情况下,当请求经过负载均衡器转发后,后端服务只能看到负载均衡器的IP地址。要获取原始客户端IP,需要以下两个关键配置:
-
负载均衡器开启Proxy Protocol:Proxy Protocol是HAProxy开发的一种协议,它能够在TCP连接建立时,在数据流前插入客户端的原始IP和端口信息。
-
网关启用Proxy Protocol支持:Higress网关需要明确配置以识别和解析Proxy Protocol信息,才能正确提取客户端真实IP。
完整解决方案
第一步:配置负载均衡器
在阿里云CLB控制台中:
- 找到对应的80和443监听端口配置
- 开启"获取真实客户端IP"功能
- 同时启用Proxy Protocol协议支持
第二步:配置Higress网关
在Higress控制台或通过YAML配置:
- 进入网关全局配置
- 启用Proxy Protocol支持
- 确保配置已正确应用到所有网关实例
第三步:配置IP白名单插件
使用Higress的WasmPlugin资源配置IP限制规则:
apiVersion: extensions.higress.io/v1alpha1
kind: WasmPlugin
metadata:
name: ip-restriction
spec:
matchRules:
- config:
allow:
- 202.128.128.0/24
ip_source_type: origin-source
ingress:
- your-ingress-name
url: oci://higress-registry.cn-hangzhou.cr.aliyuncs.com/plugins/ip-restriction:1.0.0
关键参数说明:
allow: 指定允许访问的IP段ip_source_type: 设置为"origin-source"表示使用原始客户端IPingress: 指定应用此规则的路由名称
验证与测试
配置完成后,可通过以下方式验证:
- 从白名单IP范围发起请求,应能正常访问
- 从非白名单IP范围发起请求,应收到403禁止访问响应
- 检查Higress网关日志,确认记录的客户端IP与预期一致
最佳实践建议
-
多层防护:除了网关层的IP白名单,建议在负载均衡层也配置访问控制,实现纵深防御。
-
日志监控:定期检查网关日志,确保IP识别机制持续有效。
-
灰度发布:对于生产环境,建议先在小范围路由上测试IP限制功能,确认无误后再全量应用。
-
动态更新:对于频繁变更的IP白名单,可以考虑通过API动态更新配置,而无需重启网关。
总结
通过正确配置Proxy Protocol和Higress网关,可以确保在复杂网络架构中准确获取客户端真实IP,使IP白名单等安全功能发挥应有作用。这一方案不仅适用于阿里云环境,对于其他云平台或自建Kubernetes集群中的Higress部署同样具有参考价值。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00