Kong网关中基于IP地址的速率限制问题解析
2025-05-02 12:23:38作者:郁楠烈Hubert
在Kong网关的使用过程中,开发人员经常会遇到一个典型问题:当配置了IP地址基础的速率限制功能时,系统并没有按照预期的客户端真实IP地址进行限制,而是使用了最后一个中间服务器的IP地址作为标识符。本文将深入分析这一问题的技术背景、产生原因以及解决方案。
问题现象
当Kong网关配置了以下参数时:
trusted_ips = 0.0.0.0/0,::/0
real_ip_header = X-Forwarded-For
real_ip_recursive = on
开发人员期望速率限制功能能够基于X-Forwarded-For头中的客户端真实IP地址进行控制,但实际观察到的行为却是:
- 速率限制插件使用了最后一个中间服务器的IP地址作为标识符
- 通过调试发现,Kong的PDK方法kong.client.get_forwarded_ip返回的是中间服务器IP而非客户端真实IP
- 只有nginx变量ngx.var.http_x_forwarded_for包含了真实的客户端IP地址
技术背景分析
这个问题涉及到HTTP请求在中间服务器链中的IP地址传递机制。在多层架构中,客户端的真实IP地址通常通过X-Forwarded-For头部传递。Kong网关作为反向代理,需要正确处理这些头部信息才能准确识别原始客户端。
Kong的PDK(Plugin Development Kit)提供了kong.client.get_forwarded_ip方法来获取客户端IP。在早期版本中,该方法实现依赖于nginx变量ngx.var.remote_addr,这导致了上述问题。
问题根源
问题的核心在于:
- 早期Kong版本(如2.8.0)中,kong.client.get_forwarded_ip方法实现不完善,直接返回了ngx.var.remote_addr
- 即使配置了real_ip_header和real_ip_recursive,PDK方法没有正确利用这些配置
- 速率限制插件基于不准确的IP地址信息进行控制
解决方案
经过社区验证,在Kong 3.9.0及更高版本中,这个问题已经得到修复。新版本中:
- kong.client.get_forwarded_ip方法已改进,能够正确返回X-Forwarded-For头中的客户端IP
- 速率限制功能现在可以基于真实的客户端IP地址进行控制
对于仍在使用旧版本的用户,建议升级到最新稳定版以获得正确的IP地址处理能力。如果暂时无法升级,可以考虑以下临时解决方案:
- 自定义插件,直接从X-Forwarded-For头中提取客户端IP
- 修改速率限制插件的标识符获取逻辑
最佳实践
在使用Kong网关的速率限制功能时,建议:
- 始终使用最新稳定版本的Kong
- 明确配置trusted_ips范围,避免安全风险
- 在生产环境部署前充分测试IP地址识别逻辑
- 考虑在多层架构环境中使用专门的IP地址处理中间件
通过理解这个问题及其解决方案,开发人员可以更好地在Kong网关中实现精确的基于IP地址的访问控制策略。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
312
2.72 K
deepin linux kernel
C
24
7
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++
639
244
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
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
469
Ascend Extension for PyTorch
Python
151
177
暂无简介
Dart
605
135
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
231
83
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3 K
React Native鸿蒙化仓库
JavaScript
237
310