Salvo框架中实现TCP层IP过滤的技术方案
2025-06-19 01:53:54作者:沈韬淼Beryl
在Web服务开发中,IP白名单过滤是一个常见的安全需求,特别是在需要限制访问来源的场景下。Salvo作为一个Rust语言的Web框架,提供了灵活的扩展机制来实现这一功能。本文将深入探讨在Salvo框架中实现TCP层IP过滤的几种技术方案。
需求背景
IP过滤通常需要在两个层面实现:
- TCP连接层:在TCP握手完成后立即进行过滤
- HTTP请求层:在HTTP请求解析完成后进行过滤
TCP层的过滤效率更高,能更早地拒绝非法连接,减少资源消耗。Salvo框架提供了多种方式来实现这一功能。
方案一:使用Guard机制
Salvo的Guard机制可以在请求处理流程的早期进行拦截,非常适合实现IP过滤:
#[handler]
async fn handle(
req: &mut Request,
depot: &mut Depot,
res: &mut Response,
ctrl: &mut FlowCtrl,
) {
// 业务处理逻辑
}
Router::new()
.hoop(ip_guard)
.push(Router::with_path("api").get(handle));
async fn ip_guard(req: &mut Request, depot: &mut Depot, res: &mut Response, ctrl: &mut FlowCtrl) {
let remote_addr = req.remote_addr().unwrap();
if !ALLOW_LIST.contains(&remote_addr.ip()) {
ctrl.skip_rest();
res.status_code(StatusCode::FORBIDDEN);
}
}
这种方式的优点是可以复用现有的Guard中间件机制,实现简单。缺点是过滤发生在HTTP协议解析之后,效率不如TCP层过滤高。
方案二:自定义Acceptor实现
对于需要更高性能的场景,可以实现自定义的Acceptor,在TCP连接建立时立即进行过滤:
struct IpFilterAcceptor<T> {
inner: T,
allow_list: Vec<IpAddr>,
}
impl<T: Acceptor> Acceptor for IpFilterAcceptor<T> {
type Conn = T::Conn;
async fn accept(&self) -> std::io::Result<Option<Self::Conn>> {
loop {
if let Some(conn) = self.inner.accept().await? {
if let Some(peer_addr) = conn.peer_addr()? {
if self.allow_list.contains(&peer_addr.ip()) {
return Ok(Some(conn));
}
}
}
}
}
}
使用时:
let acceptor = TcpListener::bind("0.0.0.0:8080").await?;
let filtered_acceptor = IpFilterAcceptor {
inner: acceptor,
allow_list: vec![/* 允许的IP列表 */],
};
Server::new(filtered_acceptor).serve(router).await;
这种方案直接在TCP层进行过滤,效率最高,但需要实现自定义的Acceptor trait。
方案三:中间件与TCP过滤结合
对于需要更灵活控制的场景,可以结合两种方案:
- TCP层进行初步快速过滤
- HTTP层进行更精细的控制
struct TwoLayerFilter {
tcp_filter: IpFilterAcceptor<TcpListener>,
http_router: Router,
}
impl TwoLayerFilter {
async fn serve(self) {
Server::new(self.tcp_filter)
.hoop(additional_ip_guard) // HTTP层二次验证
.serve(self.http_router)
.await;
}
}
性能考量
不同方案的性能特点:
-
TCP层过滤:
- 优点:资源消耗最小,连接立即拒绝
- 缺点:实现相对复杂
-
HTTP层过滤:
- 优点:实现简单,可结合其他HTTP信息
- 缺点:需要完成TCP握手和HTTP解析
在实际应用中,可以根据安全需求级别选择适当的方案。对于高安全要求的场景,建议采用TCP层过滤;对于需要结合HTTP信息的复杂过滤规则,可以采用HTTP层过滤或两者结合的方式。
总结
Salvo框架提供了多种灵活的IP过滤实现方式,开发者可以根据具体需求选择最适合的方案。对于大多数Web应用,Guard中间件方案已经足够;对于高性能或高安全性要求的场景,自定义Acceptor是更好的选择。理解这些技术方案的差异有助于开发者构建更安全、更高效的Web服务。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥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
68
20
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
12
1
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
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
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
377
447
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1