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
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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
647
795
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
434
395
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++
1.01 K
1.01 K
Claude 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 Started
Rust
1.18 K
152
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
984
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989