Gateway路由网关详解
一、Gateway路由网关：Spring Cloud Gateway 是 Spring Cloud 生态中的 API 网关组件，专为微服务架构设计，基于响应式编程模型（Reactive Programming）构建，使用 Netty 作为运行时环境，提供动态路由、安全、监控、限流等核心功能。
Spring Cloud Gateway的设计理念和存在意义围绕微服务架构的核心诉求展开，旨在解决分布式系统中 API 管理的复杂性，其核心目标可归纳为以下几点：
1、统一流量治理入口：
意义
微服务架构中服务数量激增，直接暴露所有服务端点存在安全风险和管理混乱问题
方案
作为统一入口，收敛所有内部服务的 API 暴露，对外提供标准化的访问路径，屏蔽内部服务细节（如服务名、实例地址）
2、动态化与可编程性：
设计理念
支持通过配置（YAML/Java DSL）或代码动态定义路由规则、过滤器链，无需重启服务。
结合 Spring Cloud Config 或 Nacos 等配置中心，实现路由规则的实时更新，适应服务扩缩容、灰度发布等场景。
3、深度集成 Spring 生态：
意义
与 Spring Cloud 组件（如服务发现、熔断器、安全框架）无缝协作，降低技术栈复杂度
典型场景
自动从 Eureka/Nacos 获取服务实例列表，实现动态路由。
整合 Sentinel 实现熔断降级，或通过 Spring Security 集中鉴权。
4、非阻塞高性能架构：
设计理念
基于响应式编程模型（Reactive，使用 WebFlux 和 Reactor），采用非阻塞 I/O，避免传统同步阻塞网关（如 Zuul 1.x）的线程资源瓶颈。
适应高并发、低延迟场景（如物联网、实时通信），提升系统吞吐量。
5、灵活扩展与定制：
意义
通过过滤器链机制，允许开发者自定义逻辑（如限流算法、日志格式）
扩展点
全局过滤器（Global Filter）：适用于所有路由（如统一鉴权、日志记录）。
路由过滤器（Route Filter）：针对特定路由的定制逻辑（如路径重写、请求头修改）。
6、云原生友好性：
设计目标
适配 Kubernetes、Service Mesh 等云原生环境
特性
轻量级部署，支持容器化。
与服务网格（如 Istio）互补，处理南北流量（网关）与东西流量（Sidecar）的分工协作。
二、Gateway核心概念：
1、Gateway三大核心：
Route(路由)
路由是构建网关的基本模块，由ID，目标URI，一系列的断言和过滤器组成
Predicate(断言)
开发人员可以匹配HTTP请求中的所有内容(例如请求头或请求参数)，如果请求与断言相匹配则进行路由
Filter(过滤)
使用过滤器，可以在请求被路由前或者之后对请求进行修改
2、Gateway工作原理：
Spring Cloud Gateway 作为微服务架构的 API 网关，其核心处理流程为：当客户端请求到达时，网关基于预设的路由规则（如路径、请求头等断言条件）匹配目标服务，随后通过过滤器（Filter）链对请求进行预处理（如鉴权、限流、路径重写），以非阻塞方式（底层基于 Netty 的非阻塞 I/O 模型处理连接，利用 Reactor 线程模型实现高并发）将请求转发至后端服务；待服务响应后，再经后置过滤器加工（如修改响应头、统一错误格式），最终将结果返回客户端，全程依托 Spring WebFlux 的响应式模型实现高性能和动态路由能力。
三、实战：
1、断言重写路由：
（1）、解耦客户端与后端服务，提升系统灵活性。
（2）、统一 API 入口，简化客户端调用逻辑。
（3）、动态适配后端服务路径，支持服务独立演进。
（4）、集成负载均衡和服务发现，提升系统可用性。
（5）、集中管理安全与流量控制，降低维护成本。
网关配置文件bootstrap-one.yml：
#断言重写路由配置
# 假设有一个走网关请求 URL 是 http://localhost:9090/api/provider/v1/resource，根据上述配置：
# 1、匹配：
# 请求路径 /api/provider/v1/resource 匹配 Path=/api/provider/** 断言。
# 2、重写路径：
# 使用 RewritePath 过滤器将路径从 /api/provider/v1/resource 重写为 /provider/v1/resource。
# 3、转发：
# 最终请求将被转发到 lb://cloud-provider-service/provider/v1/resource。
# 对外暴露端口
server:
port: 9090
spring:
#项目名
application:
name: cloud-gateway-service
cloud:
nacos:
config:
server-addr: localhost:8848
file-extension: yaml
# namespace: 3fd40f6b-0bc9-4a59-8838-0a64269125b4
# context-path: /nacos
# username: nacos
# password: nacos
discovery:
server-addr: localhost:8848
# namespace: 3fd40f6b-0bc9-4a59-8838-0a64269125b4
# username: nacos
# password: nacos
#############################网关配置###########################
gateway:
# 服务路由配置（路由是构建网关的基本模块，由ID，目标URI，一系列的断言和过滤器组成）
routes:
# 路由的ID，没有固定规则但要求唯一，建议配合服务名
- id: cloud-provider-service
# 路由的地址，lb表示使用负载均衡（引入负载均衡依赖）到微服务，也可以使用http正常转发
# uri: lb://服务注册中心注册的服务名称
# uri: http://localhost:8080
uri: lb://cloud-provider-service
#断言工厂列表：
predicates:
- Path=/api/provider/**
filters:
# 重写路由：使用 RewritePath 过滤器将路径从 /api/provider/(?<segment>.*) 重写为 /provider/$\{segment}。
# 内部访问地址：http://localhost:8080/provider/**
# 网关访问地址：http://localhost:9090/api/provider/**
- RewritePath=/api/provider/(?<segment>.*), /provider/$\{segment}
- id: cloud-consumer-service
uri: lb://cloud-consumer-service
predicates:
- Path=/api/consumer/**
filters:
- RewritePath=/api/consumer/(?<segment>.*), /consumer/$\{segment}<br><br>注：
使用lb做负载均衡需引入相关依赖
<dependency>
<groupId>org.springframework.cloud</groupId>
spring-cloud-starter-loadbalancer</artifactId>
</dependency>2、令牌桶算法限流过滤器：
在微服务架构中，网关作为所有请求的入口点，承担着路由、认证、安全等职责。随着业务规模的扩大和用户量的增长，请求流量会显著增加，这可能导致后端服务过载，影响系统的稳定性和响应时间。在网关层进行限流过滤器的部署，可以有效保护后端服务，提升用户体验，优化资源分配，并增强系统的整体稳定性。通过这种方式，可以更好地应对高并发场景，确保系统的可靠性和性能。
（1）、网关层限流过滤器的优点：
1）、控制请求速率：平滑地控制请求发送速率，防止瞬时高流量冲击系统。
2）、保障稳定性：避免后端服务过载，确保系统的稳定性和可用性。
3）、公平分配资源：合理分配系统资源，确保每个服务都能获得公平的服务响应时间。
4）、支持突发流量：允许一定程度的突发流量，同时保持长期稳定的请求处理能力。
5）、灵活配置：可以根据业务需求动态调整限流策略，适应不同的应用场景。
（2）、Gateway-RequestRateLimiter限流的实现原理：
Spring Cloud Gateway 的 RequestRateLimiter 基于令牌桶算法实现分布式限流，其原理是：通过 redis-rate-limiter 集成 Redis，系统以固定速率（replenishRate，如每秒 5 个令牌）向令牌桶填充令牌，桶容量上限为 burstCapacity（如 10 个令牌），允许突发流量短时消耗积累的令牌；当每个请求到达时，网关通过 Redis 原子化操作（Lua 脚本）检查当前请求的限流键（由 key-resolver 定义，如按 IP 生成唯一键）尝试从桶中获取令牌，若桶中存在可用令牌则放行并扣除令牌，否则触发限流（返回 HTTP 429），借助 Redis 的分布式存储和原子性特性，确保多网关实例间的限流状态严格一致，实现高并发场景下精准、灵活的流量控制。
（3）、令牌桶算法与漏桶算法：
对比维度
令牌桶算法
漏桶算法
核心思想
以固定速率生成令牌，请求需获取令牌才能通过。
以恒定速率处理请求，超出速率的请求排队或丢弃。
流量特性
允许突发流量（桶内令牌可累积）。
强制平滑流量（恒定速率输出，无法应对突发）。
实现复杂度
简单（仅需管理令牌生成和消耗）。
较高（需维护请求队列和漏出速率）。
适用场景
需要容忍突发流量的场景（如秒杀、API 突发调用）。
需严格限制请求速率的场景（如音视频流控）。
资源利用率
高（突发期可快速消费累积令牌）。
低（严格限速可能导致带宽浪费）。
典型工具
Spring Cloud Gateway、
Google Guava RateLimiter
Nginx 限流模块、
pache 的 mod_ratelimit
（4）、相关实现：
1）、POM依赖：
特性
spring-boot-starter-data-redis-reactive
spring-boot-starter-data-redis
编程模型
响应式（Reactive）
同步（Blocking）
客户端
Lettuce（强制）
Lettuce/Jedis（可选）
适用场景
高并发、非阻塞 I/O
常规同步操作
<dependency>
<groupId>org.springframework.boot</groupId>
spring-boot-starter-data-redis-reactive</artifactId>
</dependency>2）、YML配置文件：bootstrap-two.yml
集成Redis配置令牌桶限流机制：
指定令牌填充速度replenishRate、令牌桶容量burstCapacity、限流策略KeyResolver
#令牌桶算法限流过滤器
# 令牌桶的基本逻辑是：
# 每个IP对应一个桶，桶里有令牌，每秒补充一定的令牌数，最多不超过桶的容量。当请求到来时，如果桶里有足够的令牌，则允许通过并消耗一个令牌，否则拒绝。
# 对外暴露端口
server:
port: 9090
spring:
#项目名
application:
name: cloud-gateway-service
cloud:
nacos:
config:
server-addr: localhost:8848
file-extension: yaml
# namespace: 3fd40f6b-0bc9-4a59-8838-0a64269125b4
# context-path: /nacos
# username: nacos
# password: nacos
discovery:
server-addr: localhost:8848
# namespace: 3fd40f6b-0bc9-4a59-8838-0a64269125b4
# username: nacos
# password: nacos
#############################网关配置###########################
gateway:
# 服务路由配置（路由是构建网关的基本模块，由ID，目标URI，一系列的断言和过滤器组成）
routes:
# 路由的ID，没有固定规则但要求唯一，建议配合服务名
- id: cloud-provider-service
# 路由的地址，lb表示使用负载均衡（引入负载均衡依赖）到微服务，也可以使用http正常转发
# uri: lb://服务注册中心注册的服务名称
# uri: http://localhost:8080
uri: lb://cloud-provider-service
#断言工厂列表：
predicates:
- Path=/provider/**
filters:
# 限流过滤器
- name: RequestRateLimiter
args:
# 填充速率,每秒允许通过请求数
redis-rate-limiter.replenishRate: 5
# 令牌桶容量,系统允许的突发请求量，即短时间内可以处理的最大请求数
redis-rate-limiter.burstCapacity: 10
# bean，配置限流策略
key-resolver: '#{@ipKeyResolver}'
- id: cloud-consumer-service
uri: lb://cloud-consumer-service
predicates:
- Path=/consumer/**
filters:
- name: RequestRateLimiter
args:
redis-rate-limiter.replenishRate: 5
redis-rate-limiter.burstCapacity: 10
key-resolver: '#{@ipKeyResolver}'
# redis 配置
redis:
host: localhost # 单机模式-host
port: 6379 # 单机模式-端口
timeout: 3000 # 连接超时时间（毫秒）
lettuce: # lettuce连接池
pool:
max-active: 8 # 连接池最大连接数（使用负值表示没有限制）
max-wait: -1 # 连接池最大阻塞等待时间（使用负值表示没有限制）
max-idle: 8 # 连接池中的最大空闲连接
min-idle: 0 #连接池中的最小空闲连接<br><br>3）、限流策略key-resolver配置：
import org.springframework.cloud.gateway.filter.ratelimit.KeyResolver;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.context.annotation.Primary;
import reactor.core.publisher.Mono;
import java.util.Objects;
@Configuration
public class RateLimitConfig {
/**
* 根据ip限流策略
* @return 限流策略
* */
@Bean
@Primary// 设置默认解析器（多个KeyResolver策略需指定）
public KeyResolver ipKeyResolver() {
return exchange ->
// 获取请求的远程地址（即客户端IP地址），并确保不为null
Mono.just(Objects.requireNonNull(exchange.getRequest()
// 获取远程地址（InetSocketAddress）
.getRemoteAddress())
// 获取InetSocketAddress中的InetAddress对象
.getAddress()
// 获取客户端的IP地址（以字符串形式返回）
.getHostAddress());
}
/**
* 根据uri路径限流策略
* @return 限流策略
*/
@Bean()
public KeyResolver uriKeyResolver() {
return exchange -> Mono.just(exchange.getRequest().getURI().getPath());
}
}<br><br>4）、自定义过滤器进行IP限流处理：
声明Cache进行IP黑名单缓存：
import com.google.common.cache.Cache;
import com.google.common.cache.CacheBuilder;
import java.util.concurrent.TimeUnit;
/**
* IP 黑名单缓存
*
* Guava CacheBuilder:
* 一、核心优点
* 1、高性能本地访问：微秒级响应，适用于高频读取场景（如网关 IP 校验）
* 2、灵活过期策略：支持写入后/访问后双维度自动过期
* 3、自动内存管理：基于 LRU 的容量限制（maximumSize）防止 OOM
* 4、细粒度并发控制：通过 concurrencyLevel 优化锁竞争
* 5、内置监控统计：通过 cache.stats() 获取命中率、淘汰次数等指标
* 二、主要不足
* 1、单机局限性：集群环境下数据不一致，需额外同步机制
* 2、内存容量受限：大流量场景易触发频繁淘汰或 GC 压力
* 3、无持久化能力：服务重启后数据丢失，需冷启动预热
* 4、缓存穿透风险：未命中时可能穿透到后端系统
*/
public class IpBlackCache {
public static final Cache<String, Boolean> IP_CACHE = CacheBuilder.newBuilder()
// 最大cache数量 100条
.maximumSize(100)
// 写入后300s过期
.expireAfterWrite(300, TimeUnit.SECONDS)
// 不访问 60s过期
.expireAfterAccess(60, TimeUnit.SECONDS)
// 最多8个同时更新缓存的并发, 默认4
.concurrencyLevel(8)
// 开启cache统计
.recordStats()
.build();
}<br><br>自定义过滤器进行IP限流处理：
import com.alibaba.fastjson.JSONObject;
import com.iven.utils.IpBlackCache;
import lombok.extern.slf4j.Slf4j;
import org.springframework.cloud.gateway.filter.GatewayFilterChain;
import org.springframework.cloud.gateway.filter.GlobalFilter;
import org.springframework.core.Ordered;
import org.springframework.http.HttpStatus;
import org.springframework.http.server.reactive.ServerHttpResponse;
import org.springframework.stereotype.Component;
import org.springframework.web.server.ServerWebExchange;
import reactor.core.publisher.Flux;
import reactor.core.publisher.Mono;
import java.util.HashMap;
import java.util.Map;
@Slf4j
@Component
public class GatewayIpRateLimiterFilter implements GlobalFilter, Ordered {
/**
* 过滤函数，用于处理每个请求
* @param exchange 服务器web交换对象，包含请求和响应
* @param chain 网关过滤链，用于执行下一个过滤器
* @return Mono<Void> 表示异步处理完成
*/
@Override
public Mono<Void> filter(ServerWebExchange exchange, GatewayFilterChain chain) {
ServerHttpResponse httpResponse = exchange.getResponse();
String ip = exchange.getRequest().getRemoteAddress().getAddress().getHostAddress();
// 检查黑名单
Boolean ipCache = IpBlackCache.IP_CACHE.getIfPresent(ip);
if (ipCache != null && ipCache) {
//修改code为429，太多请求
httpResponse.setStatusCode(HttpStatus.TOO_MANY_REQUESTS);
if (!httpResponse.getHeaders().containsKey("Content-Type")) {
httpResponse.getHeaders().add("Content-Type", "application/json");
}
Map<String, String> errorInfo = new HashMap<>();
errorInfo.put("code", HttpStatus.TOO_MANY_REQUESTS.toString());
errorInfo.put("msg", "访问太频繁");
String httpBody = JSONObject.toJSONString(errorInfo);
log.info("该ip:{}已被拉入黑名单，错误信息{}", ip, httpBody);
return httpResponse.writeWith(Flux.just(exchange.getResponse().bufferFactory().wrap(httpBody.getBytes())));
}
// 采用默认令牌桶算法，如果触发限流，返回HTTP响应状态码429
// 若需替换默认算法（如改用漏桶算法），实现RateLimiter接口，重写isAllowed方法
return chain.filter(exchange).then(Mono.fromRunnable(() -> {
// 检查限流结果,将IP放入黑名单缓存中
if (httpResponse.getStatusCode() == HttpStatus.TOO_MANY_REQUESTS) {
IpBlackCache.IP_CACHE.put(ip, true);
}
}));
}
/**
* 获取拦截器顺序，使用最高级别，第一拦截
*/
@Override
public int getOrder() {
return Ordered.HIGHEST_PRECEDENCE;
}
}<br><br>扩展：自定义的Redis令牌桶限流
@Component
public class XxxRedisRateLimiter extends RedisRateLimiter {
public Mono<Response> isAllowed(xxx) {
xxx
}
}<br><br>
3、重试过滤器：
一、重试过滤器的优点：
1、容错性提升：自动处理瞬时故障（如网络抖动、服务短时不可用）。
2、可用性增强：降低单次调用失败对核心流程的影响。
3、运维成本降低：减少人工介入，实现自动化恢复。
4、用户体验优化：通过后台重试避免用户感知到频繁失败。
二、重试机制的核心价值：
1、应对分布式系统的不可靠性：网络和服务依赖的故障是常态，需容错机制保障稳定性。
2、解决瞬时故障的普遍性：服务重启、资源竞争等短暂问题可通过重试快速恢复。
3、缓解依赖服务的波动性：第三方服务或云基础设施可能存在不稳定性，重试提供缓冲。
4、强化系统鲁棒性：在部分故障下维持核心功能，避免整体崩溃。
三、典型使用场景：
1、HTTP/API调用：处理5xx服务端错误或网络超时。
2、数据库操作：应对连接超时、死锁等临时异常。
3、消息队列消费：消息处理失败后重试，确保最终一致性。
4、文件/资源访问：临时IO错误或资源锁冲突的场景。
四、注意事项：
1、避免无限重试：设定最大重试次数，防止雪崩效应。
2、区分错误类型：仅对可恢复错误（如5xx、超时）重试，非重试错误（如4xx）直接失败。
3、退避策略：采用递增延迟（如指数退避），缓解下游服务压力。
4、监控与告警：记录重试日志，及时发现异常高频重试模式。
（1）、网关配置文件bootstrap-three.yml：
#重试过滤器
# 设置重试次数：最多重试3次。
# 状态码系列：当响应的状态码属于SERVER_ERROR系列（即5xx状态码）时，会触发重试。
# 指定状态码：当响应的状态码为SERVICE_UNAVAILABLE（通常是503状态码）时，也会触发重试
# 对外暴露端口
server:
port: 9090
spring:
#项目名
application:
name: cloud-gateway-service
cloud:
nacos:
config:
server-addr: localhost:8848
file-extension: yaml
# namespace: 3fd40f6b-0bc9-4a59-8838-0a64269125b4
# context-path: /nacos
# username: nacos
# password: nacos
discovery:
server-addr: localhost:8848
# namespace: 3fd40f6b-0bc9-4a59-8838-0a64269125b4
# username: nacos
# password: nacos
#############################网关配置###########################
gateway:
# 服务路由配置（路由是构建网关的基本模块，由ID，目标URI，一系列的断言和过滤器组成）
routes:
# 路由的ID，没有固定规则但要求唯一，建议配合服务名
- id: cloud-provider-service
# 路由的地址，lb表示使用负载均衡（引入负载均衡依赖）到微服务，也可以使用http正常转发
# uri: lb://服务注册中心注册的服务名称
# uri: http://localhost:8080
uri: lb://cloud-provider-service
#断言工厂列表：
predicates:
- Path=/provider/**
filters:
# 重试过滤器
- name: Retry
args:
# 重试次数
retries: 3
# 哪些段的状态码需要重试, 默认5xx
series:
- SERVER_ERROR
# 指定哪些状态需要重试
statuses: SERVICE_UNAVAILABLE
- id: cloud-consumer-service
uri: lb://cloud-consumer-service
predicates:
- Path=/consumer/**
filters:
- name: Retry
args:
retries: 3
series:
- SERVER_ERROR
statuses: SERVICE_UNAVAILABLE<br><br>（2）、相关测试接口：
/**
* 重试过滤器测试
* */
private int requestCount = 0;
@GetMapping("/testRetry")
public ResponseEntity<String> test() {
requestCount++;
System.out.println("生产者服务测试请求重试次数: " + requestCount);
// 返回503状态码
return new ResponseEntity<>("Service Unavailable", HttpStatus.SERVICE_UNAVAILABLE);
}<br><br>
4、请求大小限制过滤器：
当客户端请求体大小超过 maxSize 设定值时，网关会直接拦截请求，返回 HTTP 413 (Payload Too Large) 状态码
（1）、保障系统稳定性：拦截超大请求，防止内存溢出和服务崩溃
（2）、强化安全防护：阻断DDoS攻击，避免恶意大流量冲击后端
（3）、优化网络性能：降低无效带宽消耗，提升整体吞吐量
（4）、统一流量治理：标准化异常响应格式，简化客户端错误处理逻辑
（1）、网关配置文件bootstrap-four.yml：
#请求大小限制过滤器
# 当客户端请求体大小超过 maxSize 设定值时，网关会直接拦截请求，返回 HTTP 413 (Payload Too Large) 状态码。
# 单位换算 maxSize 以字节为单位，计算方式： 1MB = 1024 * 1024 = 1,048,576 bytes
# Windows系统文件生成（PowerShell）0.9M文件：fsutil file createnew 0.9M.bin 900000
# Windows系统文件生成（PowerShell）1.1M文件：fsutil file createnew 1.1M.bin 1100000
# 对外暴露端口
server:
port: 9090
spring:
#项目名
application:
name: cloud-gateway-service
cloud:
nacos:
config:
server-addr: localhost:8848
file-extension: yaml
# namespace: 3fd40f6b-0bc9-4a59-8838-0a64269125b4
# context-path: /nacos
# username: nacos
# password: nacos
discovery:
server-addr: localhost:8848
# namespace: 3fd40f6b-0bc9-4a59-8838-0a64269125b4
# username: nacos
# password: nacos
#############################网关配置###########################
gateway:
# 服务路由配置（路由是构建网关的基本模块，由ID，目标URI，一系列的断言和过滤器组成）
routes:
# 路由的ID，没有固定规则但要求唯一，建议配合服务名
- id: cloud-provider-service
# 路由的地址，lb表示使用负载均衡（引入负载均衡依赖）到微服务，也可以使用http正常转发
# uri: lb://服务注册中心注册的服务名称
# uri: http://localhost:8080
uri: lb://cloud-provider-service
#断言工厂列表：
predicates:
- Path=/provider/**
filters:
# 请求大小限制过滤器
- name: RequestSize
args:
# 单位字节:限制1M
maxSize: 1000000
- id: cloud-consumer-service
uri: lb://cloud-consumer-service
predicates:
- Path=/consumer/**
filters:
- name: RequestSize
args:
maxSize: 1000000<br><br>（2）、相关测试接口：
/**
* 请求大小限制过滤器测试
* */
@PostMapping("/testRequestSize")
public ResponseEntity<String> handleFileUpload(@RequestParam("file") MultipartFile file) {
// 网关会先拦截大文件请求，此处只需要处理通过网关的合法请求
return ResponseEntity.ok().body(String.format("文件上传成功！文件名：%s，大小：%d 字节",
file.getOriginalFilename(), file.getSize()));
}<br><br>
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]