Sanic框架中路由未找到时中间件重复执行问题分析
2025-05-12 06:58:01作者:苗圣禹Peter
问题背景
在Sanic框架的使用过程中,开发者发现了一个关于中间件执行的异常行为:当应用程序路由未找到(触发NotFound异常)且中间件自身也抛出异常时,请求中间件会被执行两次。这种情况会导致应用程序出现不符合预期的行为,特别是当中间件中包含有状态操作(如计数器、日志记录等)时,会产生重复操作的问题。
问题复现
通过以下简单的示例代码可以复现该问题:
from sanic import Sanic
from sanic.exceptions import SanicException
from sanic.response import html
app = Sanic(__name__)
@app.middleware("request")
def my_middleware1(request):
print("Middleware 1 ran", flush=True)
@app.middleware("request")
def my_middleware2(request):
print("Middleware 2 ran", flush=True)
raise SanicException()
@app.get("/")
def index(request):
return html("<p>hello world</p>")
if __name__ == "__main__":
app.run(debug=True, auto_reload=False, access_log=False)
当访问一个不存在的路由(如/not-found)时,控制台会显示中间件被调用了两次。
问题原因分析
深入分析Sanic框架的内部处理流程,可以发现问题的根源在于异常处理机制:
- 当请求一个不存在的路由时,Sanic的路由器会首先抛出NotFound异常
- 异常处理流程中,框架会将
run_middleware标志设置为True - 中间件在异常处理过程中被执行并抛出SanicException
- 这个异常被传递到HTTP协议处理器,再次触发错误响应处理
- 在错误响应处理中,由于当前阶段仍然是REQUEST阶段,中间件又被执行了一次
这种双重执行的根本原因是异常处理流程中没有正确维护中间件的执行状态,导致在错误处理路径上中间件被重复调用。
解决方案
针对这个问题,Sanic开发团队已经提出了修复方案。核心思路是在异常处理流程中更精确地控制中间件的执行条件,避免在错误处理路径上重复执行中间件。
修复方案主要涉及以下几个方面:
- 在错误响应处理中,增加对中间件执行状态的检查
- 确保在特定类型的异常(如ServiceUnavailable或RequestCancelled)情况下不重复执行中间件
- 优化异常处理流程中的阶段判断逻辑
临时解决方案
在官方修复发布前,开发者可以采用以下临时解决方案来避免中间件重复执行的问题:
def register_middleware(app, middleware, *args, **kwargs):
async def wrapper(request, *mw_args, **mw_kwargs):
try:
return await middleware(request, *mw_args, **mw_kwargs)
except Exception as e:
response = app.error_handler.response(request, e)
if iscoroutine(response):
return await response
return response
app.register_middleware(wrapper, *args, **kwargs)
这个方案通过包装中间件函数,在中间件内部捕获异常并转换为适当的响应,从而避免异常传播到框架的异常处理流程中。
最佳实践建议
为了避免类似问题,建议开发者在编写Sanic中间件时注意以下几点:
- 中间件应尽可能保持无状态,避免依赖执行次数
- 对于可能抛出异常的中间件操作,考虑在中间件内部进行捕获和处理
- 在中间件中加入调试日志,便于追踪执行流程
- 定期更新Sanic框架版本,以获取最新的错误修复和功能改进
总结
Sanic框架中的这个中间件重复执行问题展示了Web框架中异常处理流程的复杂性。通过分析这个问题,我们不仅了解了Sanic的内部工作机制,也学习到了如何编写更健壮的中间件代码。随着Sanic框架的持续发展,这类边界条件问题将得到更好的处理,为开发者提供更稳定可靠的开发体验。
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 StartedRust099- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
710
4.51 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
578
99
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++
958
955
deepin linux kernel
C
28
16
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
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
414
339
暂无简介
Dart
952
235
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
2