Apache Shenyu网关JWT性能优化实践
2025-05-28 00:49:35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
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 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 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥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
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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