Apache APISIX 中 ext-plugin 配置错误的排查与解决
2025-05-15 00:24:12作者:咎岭娴Homer
问题背景
在使用 Apache APISIX 3.9.1 版本时,开发者遇到了一个关于外部插件运行器(ext-plugin)配置的问题。当尝试通过 Docker 容器运行 APISIX 并配置了 Go 插件运行器时,访问服务端点会出现连接 Unix socket 失败的错误。
错误现象
系统日志中显示如下错误信息:
failed to connect to the unix socket unix:/usr/local/apisix/conf/apisix-1.sock: no such file or directory
这表明 APISIX 无法找到预期的 Unix 域套接字文件,导致插件运行器无法正常工作。
问题分析
经过深入排查,发现问题的根源在于配置文件的放置位置不正确。开发者将 ext-plugin 相关配置错误地放在了 apisix.yaml 文件中,而实际上这些配置应该位于 config.yaml 文件中。
正确配置方法
config.yaml 配置
正确的 config.yaml 文件应包含以下内容:
deployment:
role: data_plane
role_data_plane:
config_provider: yaml
admin:
admin_key:
- name: admin
key: edd1c9f034335f136f87ad84b625c8f1
role: admin
ext-plugin:
cmd: ["/usr/local/apisix-go-plugin-runner/go-runner", "run"]
apisix.yaml 配置
apisix.yaml 文件则应该专注于路由和插件配置,例如:
routes:
- uri: /
plugin_config_id: 1
upstream:
nodes:
"upstream-nlb-9780037035286027.elb.ap-northeast-2.amazonaws.com": 1
type: roundrobin
plugin_configs:
- id: 1
plugins:
ext-plugin-pre-req:
name: ext-plugin-pre-req
config:
name: "say"
value:
body: "Hello, APISIX!"
Docker 构建建议
对于使用 Docker 部署的场景,建议使用以下 Dockerfile 结构:
FROM golang:1.22.5 AS plugin-builder
WORKDIR /builder
COPY apisix-go-plugin-runner/. .
RUN go env -w GOPROXY='https://goproxy.cn,direct'
RUN go env -w GOFLAGS=-buildvcs=false
RUN CGO_ENABLED=0 make build
FROM apache/apisix:3.9.1-debian
ENV APISIX_STAND_ALONE=true
EXPOSE 9080 9180 9091 9443 9092
COPY apisix.yaml /usr/local/apisix/conf/apisix.yaml
COPY config.yaml /usr/local/apisix/conf/config.yaml
COPY --from=plugin-builder /builder/go-runner /usr/local/apisix-go-plugin-runner/go-runner
总结
在 Apache APISIX 中配置外部插件运行器时,必须注意配置文件的正确放置位置。ext-plugin 相关配置属于系统级配置,应该放在 config.yaml 中,而路由和插件配置则放在 apisix.yaml 中。这种配置分离的设计使得系统配置和业务配置能够清晰区分,便于管理和维护。
通过正确配置后,APISIX 能够正常启动外部插件运行器,并处理相应的请求,解决了最初遇到的 Unix socket 连接失败的问题。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-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-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
deepin linux kernel
C
24
7
暂无简介
Dart
615
138
Ascend Extension for PyTorch
Python
165
184
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
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
369
3.16 K
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
257
91
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
475
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
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++
646
255