Apache APISIX 中利用 serverless 插件修改响应体并添加新字段
2025-05-15 05:40:47作者:昌雅子Ethen
在 API 网关的实际应用中,我们经常需要对上游服务的响应进行修改和增强。Apache APISIX 提供了多种方式来实现这一需求,其中 serverless 插件是一个非常灵活的选择。本文将详细介绍如何使用 serverless-post-function 插件来修改响应体内容并添加新的字段。
响应体修改的需求场景
在实际业务中,我们可能需要:
- 保留原始响应的大部分内容,只修改特定字段
- 基于请求头信息($http_*)向响应中添加新的字段
- 对响应体进行复杂的转换处理
这些需求都可以通过 APISIX 的 serverless 插件来实现,特别是在 body_filter 阶段进行操作。
serverless-post-function 插件详解
serverless-post-function 插件允许我们在请求处理的不同阶段注入 Lua 代码。对于响应体修改的场景,我们需要在 body_filter 阶段进行操作。
基本配置示例
{
"plugins": {
"serverless-post-function": {
"phase": "body_filter",
"functions": [
"return function (conf, ctx)
local core = require(\"apisix.core\")
local body = core.response.hold_body_chunk(ctx)
-- 在这里处理响应体
ngx.arg[1] = \"修改后的响应体内容\"
ngx.arg[2] = true
end"
]
}
}
}
关键点解析
- phase 参数:必须设置为 "body_filter" 才能在响应体过滤阶段执行
- hold_body_chunk:获取当前的响应体内容
- ngx.arg[1]:设置修改后的响应体
- ngx.arg[2]:设置为 true 表示这是最后一个数据块
实际应用示例
假设我们需要:
- 保留原始 JSON 响应
- 修改其中的某个字段
- 添加基于请求头的新字段
return function (conf, ctx)
local core = require("apisix.core")
local body = core.response.hold_body_chunk(ctx)
-- 解析JSON响应体
local json_body, err = core.json.decode(body)
if not json_body then
core.log.error("failed to decode json: ", err)
return
end
-- 修改现有字段
if json_body["existing_field"] then
json_body["existing_field"] = "new_value"
end
-- 添加基于请求头的新字段
json_body["client_ip"] = ctx.var.remote_addr
json_body["user_agent"] = ctx.var.http_user_agent
-- 重新编码为JSON并设置响应
ngx.arg[1] = core.json.encode(json_body)
ngx.arg[2] = true
end
注意事项
- 性能考虑:JSON 编解码会带来一定的性能开销,在高并发场景下需要评估影响
- 错误处理:必须妥善处理 JSON 解析失败的情况
- 大响应体:对于大响应体,需要考虑内存使用情况
- 编码问题:确保响应体的编码正确处理
替代方案
除了 serverless 插件外,APISIX 还提供了:
- response-rewrite 插件:适合简单的响应修改
- 自定义插件开发:对于复杂需求可以开发专用插件
但 serverless 插件提供了最大的灵活性,特别适合快速原型开发和特殊场景处理。
总结
通过 APISIX 的 serverless-post-function 插件,我们可以在 body_filter 阶段灵活地修改响应体内容。这种方法虽然需要编写一些 Lua 代码,但提供了最大的控制能力,能够满足各种复杂的响应修改需求。在实际应用中,建议先评估性能影响,并在必要时考虑开发专用插件来优化性能。
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
jiuwenclawJiuwenClaw 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。Python0220- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
802
🔥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
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
872
207
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
130
189
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
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160