在YARP反向代理中实现响应体大小日志记录的技术方案
2025-05-26 16:52:32作者:胡易黎Nicole
背景与需求分析
在现代微服务架构中,反向代理作为流量入口承担着关键作用。YARP(Yet Another Reverse Proxy)作为微软开源的灵活反向代理解决方案,开发者经常需要扩展其功能以满足特定业务需求。一个常见的需求是记录完整的请求/响应日志,特别是响应体大小这一关键指标。
技术挑战
传统基于Content-Length头部的方案存在明显局限性:
- 当服务端采用分块传输编码(Transfer-Encoding: chunked)时,响应头中不会包含Content-Length
- 直接读取响应流会带来性能问题,特别是在高并发场景下
- 需要确保日志记录不影响正常的请求处理流程
核心解决方案
流装饰器模式
通过创建自定义的Stream实现类来包装原始响应流,在数据写入时进行字节计数:
public class CountingStreamDecorator : Stream
{
private readonly Stream _innerStream;
public long BytesWritten { get; private set; }
public override ValueTask WriteAsync(ReadOnlyMemory<byte> buffer,
CancellationToken cancellationToken = default)
{
BytesWritten += buffer.Length;
return _innerStream.WriteAsync(buffer, cancellationToken);
}
// 其他必要方法实现...
}
中间件实现要点
- 执行顺序:必须确保中间件在YARP之前执行
- 流管理:正确处理流生命周期
- 性能优化:使用ValueTask减少异步开销
public async Task Invoke(HttpContext context)
{
var originalStream = context.Response.Body;
using var countingStream = new CountingStreamDecorator(originalStream);
context.Response.Body = countingStream;
await _next(context);
// 记录日志
LogResponseSize(countingStream.BytesWritten);
// 恢复原始流
context.Response.Body = originalStream;
}
关键技术细节
- 数据完整性保证:当中间件的next调用完成时,所有响应数据都已写入计数流
- 分块传输处理:字节计数反映的是实际应用数据,不包含分块编码的开销
- 资源管理:只释放自定义装饰器,原始流由框架管理
性能优化建议
- 优先实现ValueTask版本的方法
- 避免不必要的await操作
- 考虑使用内存池技术减少分配
- 对于高频场景,可使用结构体替代类
扩展思考
该方案不仅适用于日志记录,还可应用于:
- 流量监控
- 请求限流
- 数据校验等场景
通过这种非侵入式的流装饰器模式,开发者可以在不修改核心代理逻辑的情况下,灵活扩展YARP的功能,同时保持系统的高性能和稳定性。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 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
12
1
🔥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
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
340
405
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178