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 12:17:48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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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