SST项目中NextjsSite构建服务器缓存策略的演进与实践
2025-05-09 23:35:12作者:宣聪麟
在SST框架的演进过程中,NextjsSite组件的服务器缓存策略配置方式发生了变化。本文将从技术实现角度分析这一变化,并分享实际项目中的解决方案。
缓存策略的背景与重要性
在现代Web应用中,合理的缓存策略对性能优化至关重要。SST框架通过CloudFront CDN为Next.js应用提供边缘缓存能力,其中服务器端渲染(SSR)页面的缓存策略需要特别设计。
原有实现方式的变化
早期版本中,SST提供了buildDefaultServerCachePolicyProps()方法来构建默认的服务器缓存策略。但在新版本中,这一方法已被移除,开发者需要自行配置完整的缓存策略。
自定义缓存策略的实现
在实际项目中,我们可以参考SSRSite和NextjsSite的原有实现,结合项目需求进行定制:
{
cdk: {
distribution: {
defaultBehavior: {
responseHeadersPolicy: cf.ResponseHeadersPolicy.SECURITY_HEADERS,
},
},
serverCachePolicy: new cf.CachePolicy(stack, 'ServerCache', {
queryStringBehavior: cf.CacheQueryStringBehavior.all(),
headerBehavior: cf.CacheHeaderBehavior.allowList(
'x-open-next-cache-key',
'accept-language'
),
cookieBehavior: cf.CacheCookieBehavior.allowList('appSession', 'hubspotutk'),
defaultTtl: cdk.Duration.days(0),
maxTtl: cdk.Duration.days(365),
minTtl: cdk.Duration.days(0),
enableAcceptEncodingBrotli: true,
enableAcceptEncodingGzip: true,
comment: 'SST server response cache policy',
}),
},
}
关键配置解析
- 安全头设置:通过
SECURITY_HEADERS添加了基本的安全头部 - 查询参数处理:允许所有查询参数影响缓存键
- 头部处理:
- 保留
x-open-next-cache-key用于OpenNext框架的缓存控制 - 添加
accept-language支持多语言场景
- 保留
- Cookie处理:
- 包含
appSession用于身份验证 - 包含
hubspotutk支持HubSpot跟踪
- 包含
- 压缩支持:启用Brotli和Gzip压缩
- TTL设置:
- 默认TTL为0天
- 最大TTL为365天
- 最小TTL为0天
最佳实践建议
- 根据应用特点调整:不同应用对缓存的需求不同,应根据实际场景调整
- 关注安全头部:始终确保包含基本的安全头部
- 考虑国际化:多语言应用需要正确处理语言相关的头部
- 身份验证处理:确保认证相关的Cookie被正确处理
- 监控与调优:部署后监控缓存命中率,持续优化策略
总结
SST框架的演进使得开发者需要更深入地理解缓存策略的配置。通过自定义策略,我们可以更好地控制应用的行为,在保证功能完整性的同时获得最佳性能。这种变化虽然增加了配置的复杂性,但也提供了更大的灵活性,使开发者能够根据具体需求进行精细调整。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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
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
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
445
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
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271