itty-router CORS 功能优化与实现解析
2025-07-06 01:11:14作者:魏献源Searcher
背景与问题分析
itty-router 是一个轻量级的 JavaScript 路由库,特别适合在边缘计算环境中使用。在 Web 开发中,跨域资源共享(CORS)是一个常见需求,但 itty-router 原有的 CORS 实现存在几个关键问题:
- 配置繁琐:用户需要手动注册上游中间件和下游的 corsify 响应修改器
- 竞态条件:当需要镜像请求来源(origin)到响应头时,使用了作用域全局变量,这在并发请求下会出现污染问题
- 默认行为不符合预期:现有的实现默认镜像来源,而这并非大多数场景下的需求
技术实现改进
竞态条件解决方案
原实现使用全局变量存储允许的来源,导致并发请求时可能出现数据污染。新版本通过两种方式解决:
- 请求级处理:将 CORS 处理逻辑完全放在单个请求上下文中执行
- 可选镜像:默认不镜像来源,仅在需要时通过显式配置启用
API 设计优化
新版本对 CORS API 进行了重新设计,使其更加直观和灵活:
// 新版使用示例
import { AutoRouter, createCors } from 'itty-router'
const { preflight, corsify } = createCors()
const router = AutoRouter({
before: [preflight], // 前置处理
finally: [corsify], // 最终处理
}).get('/', () => 'test')
export default router
关键改进点
- 分离关注点:将预检请求(preflight)和响应处理(corsify)明确分离
- 请求上下文传递:corsify 现在接受响应和请求两个参数,确保能正确获取来源
- 性能优化:避免了每次请求都重新创建 CORS 处理器
实际应用场景
基本用法
对于不需要镜像来源的简单场景:
import { Router, createCors } from 'itty-router'
const router = Router()
const { preflight, corsify } = createCors()
router
.all('*', preflight)
.get('/', () => 'Hello World')
export default {
fetch: (req) => router.fetch(req).then(res => corsify(res))
}
高级配置
需要镜像来源或处理 Cookie 的场景:
const { preflight, corsify } = createCors({
origins: ['https://example.com'],
credentials: true
})
// 使用时确保传递原始请求
.then(response => corsify(response, request))
技术决策考量
- 默认行为变更:从安全角度考虑,默认不镜像来源更符合最小权限原则
- 性能与正确性平衡:在保证正确性的前提下,通过优化设计减少性能开销
- API 一致性:保持与 itty-router 整体设计风格一致,同时提供必要的灵活性
总结
itty-router 的 CORS 功能改进展示了如何通过精心设计解决实际开发中的痛点问题。新实现不仅解决了竞态条件这一技术难题,还通过更合理的 API 设计提升了开发体验。这种改进思路值得在其他中间件设计中借鉴——在保证功能完整性的同时,追求简洁性和正确性。
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
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
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
🎉 (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
1.21 K
661