Apache APISIX JWT插件优化:在上下文中存储已验证的JWT
2025-05-15 21:50:55作者:齐添朝
在微服务架构中,JSON Web Token(JWT)已成为身份验证和授权的标准方式。Apache APISIX作为高性能API网关,提供了jwt-auth插件来处理JWT验证。然而,当前实现存在一些可以优化的地方。
当前实现的问题
目前APISIX的jwt-auth插件在验证JWT后,不会将验证结果存储在请求上下文中。这导致后续插件如果需要使用JWT信息,必须重新解析令牌,造成以下问题:
- 性能损耗:重复解析JWT增加了不必要的CPU开销
- 代码冗余:每个需要JWT信息的插件都要实现自己的解析逻辑
- 安全限制:无法在隐藏凭证的同时让后续插件访问JWT
优化方案
通过在jwt-auth插件中将已验证的JWT对象存储在请求上下文(ctx)中,可以带来显著改进:
function _M.rewrite(conf, ctx)
-- 原有验证逻辑...
-- 存储已验证的JWT对象
ctx.jwt_obj = jwt_obj
end
技术优势
- 性能提升:避免重复解析JWT,减少CPU消耗
- 代码简化:后续插件可直接使用预解析的JWT对象
- 安全增强:即使启用hide_credentials,后续插件仍能访问JWT
- 一致性:所有插件使用同一份已验证的JWT数据
实际应用示例
以下是一个自定义ACL插件的示例,展示如何利用存储在上下文中的JWT:
function _M.rewrite(conf, ctx)
if not ctx.jwt_obj then
core.log.warn("Token对象未找到")
return 401, {message = "请求中缺少JWT"}
end
local authorized = false
local roles = ctx.jwt_obj.payload.roles
-- 基于角色的访问控制逻辑
for _, role in ipairs(roles) do
if role == "admin" then
authorized = true
break
end
end
if not authorized then
return 403, {message = "无权访问此资源"}
end
end
实现考量
- 向后兼容:不影响现有插件的正常运行
- 命名规范:使用明确的字段名(jwt_obj)避免冲突
- 文档完善:需要更新插件文档说明这一特性
- 性能影响:存储整个JWT对象的内存开销可以忽略不计
总结
在APISIX的jwt-auth插件中存储已验证的JWT对象是一个简单但强大的改进。它不仅提高了性能,简化了插件开发,还增强了安全性。这一优化体现了API网关设计中"解析一次,多处使用"的最佳实践,值得在APISIX的未来版本中实现。
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
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥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
68
20
🎉 (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
781