Apache Shenyu网关JWT性能优化实践
2025-05-28 07:36:03作者:龚格成
背景介绍
Apache Shenyu作为一款高性能的API网关,在实际生产环境中经常需要处理大量并发请求。JWT(JSON Web Token)作为一种流行的身份验证机制,被广泛应用于微服务架构中。然而,当在Shenyu网关中启用JWT插件时,性能表现会显著下降,这引起了开发者的关注。
性能问题分析
在测试环境中,开发者进行了以下对比测试:
- 直接访问启用了Mock插件的网关01,吞吐量达到5万QPS
- 通过网关02代理转发到网关01,吞吐量降至2.5万QPS
- 在网关02上启用JWT插件后,吞吐量骤降至2000多QPS
- 优化JWT验证结果缓存后,吞吐量回升至1.4万QPS
从测试数据可以看出,JWT验证过程对网关性能影响显著。这主要是因为:
- JWT验证涉及复杂的加密解密运算
- 每次请求都需要重新解析和验证Token
- 默认实现中没有利用缓存机制
优化方案
1. JWT验证结果缓存
最直接的优化方式是对JWT验证结果进行缓存。在org.apache.shenyu.plugin.jwt.JwtPlugin类的checkAuthorization方法中,可以引入缓存机制:
// 伪代码示例
private Cache<String, Boolean> jwtValidationCache = CacheBuilder.newBuilder()
.maximumSize(10000)
.expireAfterWrite(10, TimeUnit.MINUTES)
.build();
private boolean checkAuthorization(String token) {
// 先检查缓存
Boolean cached = jwtValidationCache.getIfPresent(token);
if (cached != null) {
return cached;
}
// 实际验证逻辑
boolean isValid = //... JWT验证逻辑
// 缓存验证结果
jwtValidationCache.put(token, isValid);
return isValid;
}
这种优化方式将吞吐量从2000多提升到了1.4万,效果显著。
2. Netty参数调优
除了JWT插件本身的优化,还可以通过调整Netty参数来提升整体性能:
- 增加EventLoopGroup线程数
- 调整SO_BACKLOG参数
- 优化TCP_NODELAY和SO_KEEPALIVE设置
- 合理设置WRITE_BUFFER_WATER_MARK
3. 其他优化建议
- 使用更高效的JWT库:评估不同的JWT实现库,选择性能最优的解决方案
- 减少JWT载荷:精简JWT中的claims信息,减少传输和解析开销
- 异步验证:考虑将JWT验证过程异步化,不阻塞请求处理主流程
- 硬件加速:在高性能要求的场景下,可以考虑使用硬件加速加密解密运算
实施效果
通过实施上述优化措施,特别是JWT验证结果的缓存机制,测试环境中的吞吐量得到了显著提升:
- 从最初的2000多QPS提升至1.4万QPS
- 性能提升了约7倍
- 系统资源利用率更加合理
总结
在Apache Shenyu网关中使用JWT插件时,性能优化是一个需要重点考虑的问题。通过合理的缓存机制和系统参数调优,可以显著提升网关的处理能力。开发者应该根据实际业务场景,选择合适的优化策略,在安全性和性能之间取得平衡。
对于高并发场景下的JWT验证,建议优先考虑验证结果缓存方案,这是投入产出比最高的优化方式。同时,结合Netty参数调优和其他系统级优化,可以进一步提升网关的整体性能表现。
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。C051
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TSX0127
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
446
3.35 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++
825
398
Ascend Extension for PyTorch
Python
250
285
暂无简介
Dart
702
166
React Native鸿蒙化仓库
JavaScript
278
329
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
10
1
🎉 (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
1.24 K
680
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
147
51
🔥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