libwebsockets中获取中间服务转发后的WebSocket客户端真实IP方法
背景介绍
在现代Web应用中,WebSocket技术被广泛用于实现实时通信功能。当使用Nginx等中间服务转发WebSocket连接时,服务端往往只能看到中间服务的IP地址,而无法获取客户端的真实IP。这在需要基于IP进行访问控制、日志记录或统计分析等场景下会带来不便。
问题分析
libwebsockets作为一个轻量级的C语言WebSocket库,提供了处理WebSocket连接的全套解决方案。当WebSocket连接经过中间服务转发时,常规的HTTP头信息(如X-Forwarded-For)在连接升级为WebSocket协议后仍然可以被获取。
解决方案
获取时机
在libwebsockets的回调机制中,ESTABLISHED回调是获取原始HTTP头信息的最佳时机。此时连接已经建立,但包含HTTP头信息的ah(argument handler)结构仍然可用。
实现代码示例
static int callback_websocket(struct lws *wsi, enum lws_callback_reasons reason, void *user, void *in, size_t len)
{
switch (reason) {
case LWS_CALLBACK_ESTABLISHED: {
// 获取X-Forwarded-For头信息
int length = lws_hdr_total_length(wsi, WSI_TOKEN_X_FORWARDED_FOR);
if (length > 0) {
char buf[128];
lws_hdr_copy(wsi, buf, sizeof(buf), WSI_TOKEN_X_FORWARDED_FOR);
// 处理获取到的客户端真实IP
printf("Client real IP: %s\n", buf);
}
break;
}
// 其他回调处理...
}
return 0;
}
关键API说明
lws_hdr_total_length()- 获取指定HTTP头的总长度lws_hdr_copy()- 复制HTTP头内容到缓冲区WSI_TOKEN_X_FORWARDED_FOR- 代表X-Forwarded-For头的标识符
注意事项
-
连接生命周期管理:WebSocket连接可能在事件循环的任何时刻被销毁,务必在
LWS_CALLBACK_CLOSED回调中清理相关资源。 -
多值处理:当存在多个X-Forwarded-For头时,libwebsockets会自动将它们连接起来,用逗号分隔,符合HTTP标准。
-
中间服务可信度:此方法依赖于中间服务正确设置X-Forwarded-For头,在安全敏感场景应验证中间服务的可信度。
-
性能考虑:对于高并发场景,建议使用链表而非数组来管理连接,libwebsockets提供的
lws_dll2工具链表现优异。
高级用法
对于需要更复杂管理的场景,可以利用libwebsockets的per-session数据(pss)机制:
struct per_session_data {
struct lws_dll2 list; // 链表节点
char client_ip[64]; // 存储客户端IP
// 其他会话数据...
};
// 在ESTABLISHED回调中
struct per_session_data *pss = (struct per_session_data *)user;
lws_hdr_copy(wsi, pss->client_ip, sizeof(pss->client_ip), WSI_TOKEN_X_FORWARDED_FOR);
这种方法自动管理内存生命周期,连接关闭时会自动释放相关资源。
总结
通过合理利用libwebsockets提供的API,开发者可以轻松获取经过中间服务转发的WebSocket连接的真实客户端IP地址。这一功能对于实现基于IP的访问控制、用户行为分析和系统监控等场景至关重要。在实际应用中,应结合连接生命周期管理和性能优化考虑,构建健壮的WebSocket服务端程序。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00