Apache APISIX JWT插件优化:在上下文中存储已验证的JWT
2025-05-15 12:09:28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
kernelopenEuler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。C042
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen 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TSX0121
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 STM32到GD32项目移植完全指南:从兼容性到实战技巧 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
Ascend Extension for PyTorch
Python
241
277
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
9
1
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++
694
367
仓颉编译器源码及 cjdb 调试工具。
C++
138
869
🔥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
65
19
暂无简介
Dart
696
163
React Native鸿蒙化仓库
JavaScript
270
328
仓颉编程语言运行时与标准库。
Cangjie
145
881