ProjectContour中Envoy自定义请求头日志配置实践
2025-06-18 20:58:31作者:乔或婵
在云原生应用开发中,日志记录是系统可观测性的重要组成部分。ProjectContour作为Kubernetes的Ingress控制器,使用Envoy作为数据平面代理,其访问日志的定制化配置对于运维和调试至关重要。本文将深入探讨如何为Envoy配置自定义请求头日志记录。
传统配置方式
在早期版本的Contour中,日志格式通过ConfigMap进行配置。典型配置示例如下:
apiVersion: v1
kind: ConfigMap
metadata:
name: contour
namespace: projectcontour
data:
contour.yaml: |
accesslog-format: envoy
accesslog-format-string: "[%START_TIME%] \"%REQ(:METHOD)% %REQ(X-ENVOY-ORIGINAL-PATH?:PATH)% %PROTOCOL%\" %RESPONSE_CODE% %RESPONSE_FLAGS% %BYTES_RECEIVED% %BYTES_SENT% %DURATION% %RESP(X-ENVOY-UPSTREAM-SERVICE-TIME)% \"%REQ(X-FORWARDED-FOR)%\" \"%REQ(USER-AGENT)%\" \"%REQ(X-REQUEST-ID)%\" \"%REQ(x-custom-header)%\" \"%REQ(:AUTHORITY)%\" \"%UPSTREAM_HOST%\"\n"
这种配置方式需要注意:
- 使用
%REQ(header-name)%语法引用请求头 - 修改后需要重启Contour控制器Pod使配置生效
- 日志格式字符串需要正确转义引号
Gateway Provisioner模式下的新配置方式
随着Gateway API的普及,Contour提供了基于Gateway Provisioner的部署模式。在这种模式下,配置方式发生了显著变化:
- 通过ContourDeployment CRD定义全局配置
- 使用runtimeSettings指定Envoy运行时参数
- 日志格式直接在CRD中声明
典型配置示例:
apiVersion: projectcontour.io/v1alpha1
kind: ContourDeployment
metadata:
name: contour
namespace: projectcontour
spec:
envoy:
networkPublishing:
type: NodePortService
runtimeSettings:
envoy:
logging:
accessLogFormatString: |
[%START_TIME%] "%REQ(:METHOD)% %REQ(X-ENVOY-ORIGINAL-PATH?:PATH)% %PROTOCOL%"
%RESPONSE_CODE% %RESPONSE_FLAGS% %BYTES_RECEIVED% %BYTES_SENT% %DURATION%
%RESP(X-ENVOY-UPSTREAM-SERVICE-TIME)% "%REQ(X-FORWARDED-FOR)%"
"%REQ(USER-AGENT)%" "%REQ(X-REQUEST-ID)%" "%REQ(x-custom-header)%"
"%REQ(:AUTHORITY)%" "%UPSTREAM_HOST%"
配置验证与调试技巧
为确保自定义请求头日志正常工作,建议采用以下验证流程:
- 确认配置已正确应用到ContourConfig资源
kubectl get contourconfig -n projectcontour -o yaml
- 发送包含自定义头的测试请求
curl -H "x-custom-header: test-value" http://service.example.com
- 检查Envoy日志输出
kubectl logs -l app=envoy -n projectcontour -c envoy
常见问题解决
-
日志中缺少自定义头:
- 确认请求确实包含该头
- 检查头名称大小写是否匹配
- 验证配置是否已正确应用到运行中的Envoy实例
-
配置未生效:
- 在Gateway Provisioner模式下,确保通过ContourDeployment配置而非ConfigMap
- 检查相关GatewayClass的parametersRef引用是否正确
-
日志格式错误:
- 确保字符串中的引号正确转义
- 避免在格式字符串中使用未定义或无效的变量
最佳实践建议
- 为重要的业务请求头配置日志记录,如跟踪ID、用户标识等
- 保持日志格式的一致性,便于后续日志分析
- 在生产环境变更前,先在测试环境验证日志配置
- 考虑日志量的影响,避免记录过多不必要的信息
通过合理配置Envoy的访问日志,可以极大提升系统的可观测性,为故障排查和性能分析提供有力支持。随着Contour的演进,建议用户逐步迁移到Gateway Provisioner模式,以获得更现代化的配置体验。
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 StartedRust0448
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 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。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-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++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
项目优选
收起
暂无描述
Markdown
827
5.48 K
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
494
515
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
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++
970
2.28 K
deepin linux kernel
C
32
16
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++
480
312
JiuwenSwarm 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。
Python
3.01 K
766
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284