Kong网关中基于IP地址的速率限制问题解析
在Kong网关的实际使用中,开发人员经常会遇到一个典型问题:当配置了IP地址为基础的速率限制功能时,系统并没有按照预期使用真实的客户端IP地址作为限制标识,而是错误地使用了最后一个中间服务器的IP地址。这种情况在Kong 2.8.0和3.7.x版本中都存在。
问题现象分析
当Kong网关配置了以下参数时:
- trusted_ips设置为0.0.0.0/0和::/0
- real_ip_header设置为X-Forwarded-For
- real_ip_recursive设置为on
理论上,系统应该能够正确识别并提取HTTP请求头中的X-Forwarded-For字段值作为客户端的真实IP地址。然而实际测试发现,Kong的PDK方法kong.client.get_forwarded_ip返回的却是最后一个中间服务器的IP地址,而非真实的客户端IP。
通过调试信息可以清楚地看到这一现象:
x-debug-info: {
"kong_client_get_forwarded_ip":"10.0.70.198",
"ngx_var_realip_remote_addr":"10.0.70.198",
"ngx_var_http_x_forwarded_for":"2001:420:c0c8:1009::407"
}
其中,10.0.70.198是中间服务器IP,而2001:420:c0c8:1009::407才是真实的客户端IP。
技术原理探究
深入分析Kong的源代码发现,kong.client.get_forwarded_ip方法实际上是从Nginx变量ngx.var.remote_addr获取IP地址。这种实现方式存在明显缺陷,因为在多层架构中,remote_addr变量只能反映与Kong直接连接的上一跳IP地址,无法正确识别原始客户端IP。
正确的实现应该优先考虑从X-Forwarded-For这样的HTTP头中提取IP地址,特别是在配置了real_ip_header和real_ip_recursive的情况下。这些配置项的本意就是让系统能够识别并信任传递的原始客户端IP信息。
解决方案验证
经过测试,在Kong的最新主分支版本中,这个问题已经得到修复。测试结果表明:
- kong.client.get_forwarded_ip现在能够正确返回X-Forwarded-For头中的IP地址
- 系统行为与配置的real_ip_header和real_ip_recursive参数保持一致
- 速率限制功能现在能够基于真实的客户端IP进行控制
对于仍在使用旧版本的用户,建议升级到最新版本以获得正确的IP识别功能。如果暂时无法升级,可以考虑自定义插件或修改现有插件逻辑,直接从X-Forwarded-For头中提取IP地址作为速率限制的标识符。
最佳实践建议
在实际生产环境中部署Kong网关时,针对IP地址识别和速率限制功能,建议采取以下措施:
- 确保使用最新稳定版本的Kong网关
- 合理配置trusted_ips范围,避免过度开放信任
- 对于多层架构,正确设置real_ip_header和real_ip_recursive参数
- 在关键业务场景中,添加调试头信息验证IP识别结果
- 定期测试速率限制功能,确保其按预期工作
通过以上措施,可以确保Kong网关的速率限制功能基于正确的客户端IP地址,有效防止滥用行为,同时不影响正常用户的访问体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00