Apache APISIX 中使用 response-rewrite 插件修改响应体字段
在 API 网关的实际应用中,我们经常需要对上游服务的响应进行修改和增强。Apache APISIX 提供了多种方式来实现这一需求,其中 response-rewrite 插件和 serverless 函数是两种常用的解决方案。
响应体修改的需求场景
在实际业务中,我们可能需要:
- 保留原始响应体的大部分内容
- 修改某些特定字段的值
- 添加新的字段到响应体中
- 使用 Nginx 变量(如 $http_*)的值来填充新字段
这种需求常见于 API 标准化、添加追踪信息、注入环境相关数据等场景。
解决方案对比
response-rewrite 插件
response-rewrite 插件是 APISIX 内置的用于修改响应头和响应体的插件。它简单易用,适合简单的响应修改场景。
serverless 函数
对于更复杂的响应体修改需求,可以使用 serverless 函数(特别是 serverless-post-function)。这种方式提供了完全的灵活性,可以在 Lua 代码中自由处理响应体。
使用 serverless 函数修改响应体
下面是一个完整的示例,展示如何使用 serverless-post-function 在 body_filter 阶段修改响应体:
{
"uri": "/get",
"plugins": {
"serverless-post-function": {
"phase": "body_filter",
"functions": [
"return function (conf, ctx)
local core = require(\"apisix.core\")
local body = core.response.hold_body_chunk(ctx)
-- 将响应体解析为 Lua table
local data = core.json.decode(body)
-- 修改现有字段
if data and data.some_field then
data.some_field = \"new value\"
end
-- 添加新字段
data.new_field = ngx.var.http_user_agent
data.another_field = ngx.var.remote_addr
-- 将修改后的数据设置回响应体
ngx.arg[1] = core.json.encode(data)
ngx.arg[2] = true
end"
]
}
},
"upstream": {
"nodes": {
"httpbin.org:80": 1
},
"type": "roundrobin"
}
}
实现细节解析
-
body_filter 阶段:这是处理响应体的最佳阶段,此时我们已经获得了完整的响应内容。
-
hold_body_chunk:APISIX 核心方法,用于获取完整的响应体内容。
-
JSON 处理:使用 core.json 模块解码和编码 JSON 数据,确保正确处理各种 JSON 格式。
-
Nginx 变量:可以通过 ngx.var 访问各种 Nginx 变量,如:
- ngx.var.http_*:请求头信息
- ngx.var.remote_addr:客户端 IP
- ngx.var.request_uri:请求 URI
-
响应体设置:通过设置 ngx.arg[1] 为新的响应体内容,ngx.arg[2] 为 true 表示这是最后一个数据块。
性能考虑
-
对于大响应体,JSON 解码/编码操作可能会影响性能,应考虑是否有必要处理整个响应体。
-
如果只需要修改少量字段,可以考虑使用字符串操作而非完整的 JSON 解析。
-
在高并发场景下,应测试这种操作的性能影响。
最佳实践
-
对于简单的字段添加/修改,优先考虑 response-rewrite 插件。
-
对于复杂逻辑,使用 serverless 函数,但应将复杂逻辑尽量简化。
-
添加的错误处理机制,确保在 JSON 解析失败时能优雅降级。
-
考虑将通用处理逻辑封装为自定义插件,提高复用性。
通过这种灵活的方式,APISIX 可以满足各种响应体修改需求,为 API 网关提供强大的响应处理能力。
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 StartedRust098- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00