Kong网关中response-ratelimiting插件的上游请求头缺失问题分析
在Kong网关3.8.0版本中,response-ratelimiting插件出现了一个值得关注的问题:该插件未能正确地将限流使用情况头信息添加到上游请求中。这一问题影响了开发者对API限流状态的监控能力。
response-ratelimiting插件的主要功能是允许基于上游响应内容进行限流控制。按照设计,该插件不仅应该将限流状态头信息返回给客户端,还应该将这些信息传递给上游服务。这种设计使得上游服务也能感知当前的限流状态,实现更精细化的流量控制。
在Kong 3.8.0版本之前,插件通过kong.service.request.set_header函数正确设置了上游请求头。但在3.8.0版本中,相关代码被重构为使用pdk_rl_store_response_header和pdk_rl_apply_response_headers函数,这两个函数最终操作的是ngx.header,这导致限流头信息只能出现在客户端响应中,而无法传递给上游服务。
具体表现为:当配置了类似"X-RateLimit-Remaining-Videos"这样的限流头时,这些头信息在3.8.0版本中完全不会出现在上游请求中。这使得上游服务失去了对当前限流状态的感知能力,可能影响一些依赖这些头信息进行业务逻辑处理的服务。
该问题的根本原因在于重构过程中对请求头处理逻辑的变更。在Kong的PDK(Plugin Development Kit)中,ngx.header专门用于设置返回给客户端的响应头,而要设置上游请求头则需要使用不同的接口。这种差异在重构过程中被忽视了,导致了功能上的退化。
对于使用Kong 3.8.0版本并依赖response-ratelimiting插件上游头信息的用户,建议关注该问题的修复进展。同时,也可以考虑暂时回退到3.8.0之前的版本,或者自行实现一个简单的插件来补充这一功能。
这个问题提醒我们,在进行系统升级时,即使是看似简单的重构也可能带来功能上的变化。开发者需要仔细测试所有依赖的功能点,确保升级不会破坏现有业务逻辑。对于网关类基础设施,这种对请求/响应头信息的精确控制尤为重要。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112