Audit.NET WebApi Core中间件在Minimal API中RequestBody值为null的解决方案
2025-07-01 04:45:01作者:吴年前Myrtle
问题背景
在使用Audit.NET WebApi Core中间件监控.NET 8.0 Minimal API时,开发人员可能会遇到一个常见问题:虽然请求体(RequestBody)的类型和长度信息被正确记录,但其值(Value)却显示为null。这种情况通常发生在处理POST请求时,特别是当请求包含JSON或其他格式的请求体时。
问题原因分析
这个问题的根本原因在于ASP.NET Core请求体的流处理机制。默认情况下,HTTP请求体流(Stream)是不可重读和不可查找的。这意味着:
- 请求体流只能被读取一次
- 读取后无法回退到流的起始位置
- 中间件无法在后续处理中再次读取相同的请求体
Audit.NET WebApi Core中间件内部通过检查流的CanRead和CanSeek属性来确定是否能够安全读取请求体内容。当这些条件不满足时,中间件会保守地返回null值,而不是尝试读取可能导致异常的内容。
解决方案
要解决这个问题,我们需要在请求处理管道中启用请求体缓冲功能。这可以通过在应用程序启动配置中添加以下中间件来实现:
app.Use(async (context, next) => {
context.Request.EnableBuffering();
await next();
});
这段代码应该放在其他中间件之前,特别是放在Audit中间件之前。它的作用是:
- 允许请求体被多次读取
- 使流支持查找(Seek)操作
- 为后续中间件提供完整的请求体访问能力
完整配置示例
以下是一个完整的Minimal API配置示例,展示了如何正确配置请求体缓冲和Audit中间件:
var builder = WebApplication.CreateBuilder(args);
var app = builder.Build();
// 启用请求体缓冲
app.Use(async (context, next) => {
context.Request.EnableBuffering();
await next();
});
// 配置Audit中间件
app.UseAuditMiddleware(configurator =>
configurator
.IncludeHeaders()
.IncludeRequestBody()
.IncludeResponseHeaders()
.IncludeResponseBody()
.WithEventType("HttpRequest")
);
// 你的API端点
app.MapPost("/", (MyModel model) => {
return Results.Ok(new { Result = "Success" });
});
app.Run();
技术原理深入
当调用EnableBuffering()方法时,ASP.NET Core会在内存中创建一个缓冲区来存储请求体内容。这个过程实际上是将原始的不可重读流替换为一个可重读的MemoryStream。这种设计有以下几个优点:
- 多个中间件可以独立读取请求体
- 开发人员可以在处理管道的任何位置访问完整的请求内容
- 支持流的随机访问(Seek操作)
需要注意的是,启用缓冲会带来一定的内存开销,特别是处理大文件上传时。对于大多数API场景,这种开销是可以接受的,但对于文件上传等特殊情况,可能需要考虑其他监控策略。
最佳实践建议
- 始终将请求体缓冲中间件放在管道的最前面
- 对于不需要请求体内容的GET请求,可以考虑条件性地启用缓冲
- 在生产环境中监控内存使用情况,确保缓冲不会导致内存压力
- 考虑设置合理的请求体大小限制,防止恶意的大请求攻击
通过正确配置请求体缓冲,Audit.NET WebApi Core中间件将能够完整记录所有请求和响应信息,为应用程序的监控和调试提供全面支持。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
412
3.17 K
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++
664
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146