【Azure APIM】APIM在上传文件的时候,请求的Payload是否有文件大小的限制呢?

简介: 在APIM+App Service架构中,文件上传超过20MB报500错误,实测非APIM限制所致。APIM本身无文件大小限制,但默认请求超时约300秒,大文件上传可能超时。问题根源常为App Service的Kestrel配置限制,如MaxRequestBodySize等,默认值较低需手动调大。通过对接Storage Account验证,可成功上传500MB以上文件,证实APIM具备大文件处理能力。建议优化后端服务配置并调整超时设置以支持大文件上传。

问题描述

使用APIM + App Service的架构对外提供服务,其中一个接口为文件上传。在测试的时候,发现上传超过20MB的内容时候就会遇见报错,而不使用APIM时,通过直接访问App Service的上传文件接口(>50MB)也不会遇见这个问题。

 

## APIM返回的错误信息为500: Internal Server error

## APIM 执行超时

那么,APIM是否会有对上传文件的大小限制呢?

 

问题解答

查看官网文档( API Management 资源限制: https://docs.azure.cn/zh-cn/azure-resource-manager/management/azure-subscription-service-limits?toc=%2Fapi-management%2Ftoc.json&bc=%2Fapi-management%2Fbreadcrumb%2Ftoc.json#azure-api-management-limits ) , 上传文件的大小是没有限制的。

所以,以上的测试中,出现大于20MB后久无法完成文件上传的问题,根源可能是与后端服务 App Service的配置或处理能力相关。

  • App Service 有时在上传超过 14MB 的文件时, 会返回 500 或 502 错误,尤其是在 multipart/form-data 上传场景中。
  • App Service 的 Kestrel 服务器默认的 MaxRequestBodySize 和 MultipartBodyLengthLimit 可能需要手动配置为更大的值,例如 200MB 或更高。

为了验证不是APIM本身对上传文件的大小限制,把后端服务修改为Storage Account来进行验证。最后证明APIM对上传文件的大小是没有限制的。

随后测试,发现可以上传大于500MB的文件,在59s就可以上传到Storage Account中。

【完】

 

注意:虽然APIM对文件上传的大小并没有限制,但由于APIM对请求的超时时间默认是300秒左右,所以如果上传的文件太大就会遇见超时报错。

 

参考资料

Azure API 管理限制 : https://docs.azure.cn/zh-cn/azure-resource-manager/management/azure-subscription-service-limits?toc=%2Fapi-management%2Ftoc.json&bc=%2Fapi-management%2Fbreadcrumb%2Ftoc.json#azure-api-management-limits

 

 


 

当在复杂的环境中面临问题,格物之道需:浊而静之徐清,安以动之徐生。 云中,恰是如此!

相关文章
|
5月前
|
机器学习/深度学习 算法 BI
汽车雷达系统的干扰缓解:现状调查与未来趋势——论文阅读
本文系统综述了汽车雷达干扰缓解技术的最新进展,提出基于物理域避免、主动避免、反应式信号重建和被动调制技术的四类划分方法,深入分析各类策略的原理、优劣及实施挑战,并强调跨学科合作与监管协同对未来发展的关键作用。
405 4
汽车雷达系统的干扰缓解:现状调查与未来趋势——论文阅读
|
5月前
|
XML 前端开发 决策智能
多智能体自主规划模式性能提升:五大精准策略详解
本文基于生产环境中的多智能体 React 模式实践,系统剖析了自主规划架构在工具调用延迟、上下文膨胀、中间态缺失、循环失控与监督缺位等方面的典型挑战。
718 19
|
5月前
|
人工智能 数据挖掘 数据库
通义灵码产品演示: 数据库设计与数据分析
本演示展示如何使用通义灵码进行数据库设计与数据分析。通过SQLite构建电商订单表,利用AI生成表结构、插入样本数据,并完成多维度数据分析及可视化图表展示,体现AI在数据库操作中的高效能力。
464 7
|
5月前
|
机器学习/深度学习 传感器 分布式计算
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
374 14
|
10月前
|
存储 Windows
【Azure Cloud Service】微软云服务上的日志收集方法
本文介绍了在使用微软云服务(Cloud Service Extended Support)时,如何收集日志以分析未记录在应用日志中的服务异常。由于云服务基于传统虚拟机模式,需通过远程桌面登录实例,查看IIS、Windows Event及云服务组件日志(如WindowsAzureGuestAgent)。此外,可使用CollectGuestLogs.exe工具打包日志,或通过“File Server Resource Manager”检查日志存储配额是否不足。附参考文档链接供深入学习。
327 29
|
5月前
|
数据采集 数据可视化 数据挖掘
一文讲清数据指标怎么搭建
企业数据混乱常因指标定义不清。统一数据指标体系,明确计算逻辑与业务归属,可提升沟通效率与决策质量。通过主题域划分、命名规范、数据建模与持续运营,让数据真正驱动业务发展。
一文讲清数据指标怎么搭建
|
5月前
|
机器学习/深度学习 人工智能 资源调度
智能家居环境中的AI决策解释:实现以人为中心的可解释性——论文阅读
本文探讨智能家居中AI决策的可解释性,提出以人为中心的XAI框架。通过SHAP、DeepLIFT等技术提升模型透明度,结合用户认知与需求,构建三层解释体系,增强信任与交互效能。
393 19
智能家居环境中的AI决策解释:实现以人为中心的可解释性——论文阅读
|
5月前
|
机器学习/深度学习 算法 物联网
面向能效和低延迟的语音控制智能家居:离线语音识别与物联网集成方案——论文阅读
本文提出一种面向能效与低延迟的离线语音控制智能家居方案,通过将关键词识别(KWS)集成至终端设备,结合去中心化Mesh网络与CoAP协议,实现本地化语音处理。相较云端方案,系统能耗降低98%,延迟减少75%以上,显著提升响应速度与能源效率,为绿色智能家居提供可行路径。(236字)
424 17
面向能效和低延迟的语音控制智能家居:离线语音识别与物联网集成方案——论文阅读
|
5月前
|
传感器 JSON 机器人
Sasha:使用大语言模型在智能家居中进行创造性目标导向推理——论文阅读
Sasha利用大语言模型实现智能家居中的创造性目标导向推理,通过迭代式澄清、过滤、规划与反馈机制,有效响应模糊用户指令。系统在真实家庭环境中表现出高相关性与用户满意度,支持复杂多步任务的自然交互,显著提升智能空间的适应性与可用性。
399 17
Sasha:使用大语言模型在智能家居中进行创造性目标导向推理——论文阅读
|
5月前
|
机器学习/深度学习 人工智能 前端开发
边缘云系统的灵活可变速率图像特征压缩——论文阅读
本文提出一种面向边缘云系统的灵活可变速率图像特征压缩方法,通过联合优化率-精度-复杂度三重权衡,实现单模型多比特率自适应。该方法引入速率参数嵌入与条件归一化机制,在ResNet、ConvNeXt等架构上验证了高效性,显著优于固定速率方案,兼顾低延迟与高精度,适用于资源受限的视觉任务。
286 13
边缘云系统的灵活可变速率图像特征压缩——论文阅读