在Salvo框架中实现多端口监听与路由隔离
2025-06-19 16:11:34作者:郦嵘贵Just
Salvo作为一款现代化的Rust Web框架,提供了灵活的多端口监听能力,使开发者能够轻松实现不同端口服务于不同路由场景的需求。本文将详细介绍如何在Salvo中配置多个监听端口,并为每个端口分配独立的路由规则。
多端口监听的核心机制
Salvo通过Listener接口实现了多端口监听功能。每个Listener实例可以绑定到特定端口,并关联独立的路由器(Router)。这种设计允许开发者:
- 为不同业务场景创建隔离的访问入口
- 实现API接口和管理后台的物理隔离
- 为不同客户端提供专属服务端口
典型应用场景
在实际项目中,多端口监听常用于以下场景:
- 分离普通用户API和管理员后台
- 为移动端和Web端提供不同端口服务
- 实现内部调试接口与生产接口的隔离
- 为不同协议(HTTP/HTTPS)提供独立入口
实现方式详解
Salvo提供了两种主要方式来实现多端口监听:
方法一:使用Listener的join方法
join方法允许将多个监听器合并为一个任务,统一管理。这种方式的优势在于代码结构清晰,便于统一错误处理。
use salvo::prelude::*;
#[tokio::main]
async fn main() {
// 创建API路由
let api_router = Router::new().path("api").get(api_handler);
// 创建管理后台路由
let admin_router = Router::new().path("admin").get(admin_handler);
// 创建两个监听器
let api_listener = TcpListener::new("0.0.0.0:8080").bind().await;
let admin_listener = TcpListener::new("0.0.0.0:8091").bind().await;
// 使用join合并监听器
let server = Server::new(api_listener.join(admin_listener));
// 启动服务
server.serve(api_router.join(admin_router)).await;
}
方法二:使用tokio::spawn独立运行
这种方式更为灵活,每个监听器在独立的任务中运行,适合需要更细粒度控制的场景。
use salvo::prelude::*;
use tokio::task::JoinHandle;
#[tokio::main]
async fn main() {
// 创建并启动API服务
let api_handle: JoinHandle<()> = tokio::spawn(async {
let router = Router::new().path("api").get(api_handler);
let listener = TcpListener::new("0.0.0.0:8080").bind().await;
Server::new(listener).serve(router).await;
});
// 创建并启动管理后台服务
let admin_handle: JoinHandle<()> = tokio::spawn(async {
let router = Router::new().path("admin").get(admin_handler);
let listener = TcpListener::new("0.0.0.0:8091").bind().await;
Server::new(listener).serve(router).await;
});
// 等待两个服务完成
let _ = tokio::join!(api_handle, admin_handle);
}
最佳实践建议
- 端口规划:为不同业务保留明确的端口范围,如8000-8099用于API,9000-9099用于管理后台
- 路由隔离:即使端口不同,也建议为不同端口的路由添加统一前缀
- 中间件差异:可以为不同端口的服务配置不同的中间件栈
- 监控分离:对不同的监听端口实施独立的性能监控和日志收集
性能考量
Salvo的多端口监听实现基于Tokio的异步IO,多个监听器共享同一个运行时,不会造成额外的线程开销。但在极高并发场景下,仍需注意:
- 避免创建过多监听器(一般不超过CPU核心数)
- 为不同监听器配置适合的并发参数
- 监控各端口的连接数和请求处理延迟
通过合理利用Salvo的多端口监听功能,开发者可以构建出更加安全、灵活且易于维护的Web服务架构。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
388
458
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++
894
679
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
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
806
198
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
68
20
🎉 (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
1.37 K
781