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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0214
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
469
465
暂无描述
Dockerfile
778
5.08 K
Ascend Extension for PyTorch
Python
757
968
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
876
2.03 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
185
231
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.25 K
676
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271