Apache APISIX中利用Lua插件实现Redis存储响应体的实践
2025-05-15 22:39:32作者:廉皓灿Ida
背景介绍
在API网关开发中,我们经常需要处理后端服务的响应数据,并将其存储到缓存系统中。Apache APISIX作为一款高性能的API网关,提供了强大的Lua插件机制,允许开发者灵活地处理请求和响应。本文将介绍如何在APISIX中实现一个将SOAP响应中的特定数据存储到Redis的解决方案。
技术挑战
在处理SOAP服务响应时,我们遇到了几个关键挑战:
- 需要在body_filter阶段获取完整的响应体内容
- 由于Nginx的限制,无法在body_filter阶段直接进行Redis操作
- 需要跨插件共享解析后的数据
- 对后端服务无修改权限,所有操作必须在网关层面完成
解决方案设计
第一阶段:响应体解析
我们首先创建一个专门用于解析响应体的插件,该插件工作在body_filter阶段:
local function extract_session_id(xml_string)
local pattern = "<GetSessionIdResponse[^>]*>(.-)</GetSessionIdResponse>"
local session_id = string.match(xml_string, pattern)
if session_id then
ngx.log(ngx.INFO, "Session ID: ", session_id)
return session_id
else
ngx.log(ngx.ERR, "Failed to extract Session ID from XML response")
return nil
end
end
function _M.body_filter(conf, ctx)
local body = core.response.hold_body_chunk(ctx)
if not body then
return core.log.warn("failed to hold response body chunk")
end
local sessionid = extract_session_id(body)
ctx.sessionid = sessionid
end
这个插件通过正则表达式从SOAP响应中提取SessionID,并将其存储在请求上下文中。
第二阶段:Redis存储
由于无法在body_filter阶段直接操作Redis,我们采用以下策略:
- 将Redis操作移至log阶段
- 使用ngx.timer.at创建异步任务,避免阻塞主请求流程
function _M.log(conf, ctx)
local function redis_client()
local red = redis_new()
local timeout = 1000 -- 1秒超时
red:set_timeouts(timeout, timeout, timeout)
local sock_opts = {
ssl = conf.ssl,
ssl_verify = conf.ssl_verify
}
local ok, err = red:connect("host.docker.internal", 6379, sock_opts)
if not ok then
return false, err
end
return red, nil
end
local function save_redis()
local redis_cli = redis_client()
redis_cli:set(clientId, bodySession)
redis_cli:expire(clientId, 50)
end
ngx.timer.at(0, save_redis)
end
关键技术点
1. 请求上下文共享
APISIX的ctx对象可以在同一请求的不同阶段和不同插件间共享数据。我们利用这一特性,在body_filter阶段将解析出的SessionID存储在ctx中,然后在log阶段取出使用。
2. 异步Redis操作
使用ngx.timer.at可以将Redis操作异步化,避免阻塞请求处理流程。这种方式虽然不能保证100%的存储成功率(如网关崩溃时可能丢失数据),但对于大多数场景已经足够。
3. 响应体处理
在body_filter阶段,我们需要使用core.response.hold_body_chunk来获取完整的响应体内容。需要注意的是,这个阶段可能被多次调用,因此需要正确处理分块响应。
性能考量
- 连接池管理:Redis连接应该使用连接池,避免频繁创建和销毁连接
- 超时设置:合理设置Redis操作超时,防止长时间阻塞
- 错误处理:完善的错误处理和日志记录机制
- 资源限制:控制并发定时器数量,防止资源耗尽
扩展思考
这种模式不仅适用于Redis存储,还可以扩展到其他场景:
- 将响应数据写入Kafka等消息队列
- 实现响应数据的实时分析
- 构建API调用日志系统
- 实现响应缓存机制
总结
通过APISIX的插件机制,我们成功实现了在不修改后端服务的情况下,对SOAP响应进行解析并存储到Redis的功能。这种方案展示了APISIX在处理复杂API网关需求时的灵活性和强大能力。关键在于合理利用请求上下文共享数据和异步操作机制,既保证了功能实现,又确保了系统性能。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0153- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
647
795
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
434
395
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++
1.01 K
1.01 K
Claude 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 Started
Rust
1.18 K
152
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
984
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989