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 StartedRust0211
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0135
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
871
2.01 K
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
468
461
Ascend Extension for PyTorch
Python
756
956
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
695
1.39 K
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
182
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
644