Salvo框架中实现TCP层IP过滤的技术方案
2025-06-19 15:27:25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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
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
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217