Apache APISIX 中利用 serverless 插件修改响应体并添加新字段
2025-05-15 20:04:27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
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
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++0125AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
229
2.28 K

仓颉编译器源码及 cjdb 调试工具。
C++
112
72

暂无简介
Dart
527
116

仓颉编程语言运行时与标准库。
Cangjie
122
91

React Native鸿蒙化仓库
JavaScript
215
289

Ascend Extension for PyTorch
Python
70
101

🎉 (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
990
586

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++
567
102

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
400