【Azure APIM】APIM Policy是否可以阻止大于50MB文件的上传呢?

简介: 在Azure API Management中,可通过配置入站策略限制POST请求体大小。利用Content-Length头判断请求长度,超过50MB(52428800字节)时返回413状态码,有效防止大文件上传导致资源浪费或服务中断。

问题描述

在使用 Azure API Management(APIM)时,如何防止客户端发送过大的 POST 请求?例如,如何阻止任何超过 50MB 的文件上传请求,以避免资源浪费或潜在的服务中断。

 

问题解答

可以的。通过在 Azure APIM 中配置策略(Policy)来实现对请求体大小的限制。

 

具体做法如下:

1: 依赖 Content-Length 头部信息:通过检查请求头中的 Content-Length 值来判断请求体大小。

2: 使用 Inbound 策略进行判断:在 API 的 inbound 策略中添加如下逻辑:

  • 判断请求是否为 POST。
  • 获取 Content-Length 值。
  • 如果请求体大小超过 50MB(即 52428800 字节),则返回 HTTP 状态码 413(Payload Too Large)。


示例策略代码如下:

<!--
    - Policies are applied in the order they appear.
    - Position <base/> inside a section to inherit policies from the outer scope.
    - Comments within policies are not preserved.
-->
<!-- Add policies as children to the <inbound>, <outbound>, <backend>, and <on-error> elements -->
<policies>
  <inbound>
    <base />
    <choose>
      <when condition="@(context.Request.Method == 'POST')">
        <set-variable name="bodySize" value="@(context.Request.Headers['Content-Length'][0])" />
        <choose>
          <when condition="@(int.Parse(context.Variables.GetValueOrDefault<string>('bodySize')) < 52428800)">
            <!-- 请求体小于 50MB,允许通过 -->
          </when>
          <otherwise>
            <return-response>
              <set-status code="413" reason="Payload Too Large" />
              <set-body>@{
                return "Maximum allowed size for the POST requests is 52428800 bytes (50 MB). This request has size of " + context.Variables.GetValueOrDefault<string>("bodySize") + " bytes";
              }</set-body>
            </return-response>
          </otherwise>
        </choose>
      </when>
    </choose>
  </inbound>
  <backend>
    <base />
  </backend>
  <outbound>
        </outbound>
  <on-error>
    <base />
  </on-error>
</policies>

 

[END]

 

参考资料

How to prevent large file POST requests using Azure APIM? https://stackoverflow.com/questions/60448273/how-to-prevent-large-file-post-requests-using-azure-apim

 


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
|
6月前
|
人工智能 监控 安全
Gartner报告:可观测性平台魔力象限
本文由Gregg Siegfried等作者撰写,阐述了可观测性平台如何通过遥测数据采集、AI分析与成本优化,助力企业提升系统健康度与业务韧性,并详解市场定义、核心功能及主流供应商优劣势。
Gartner报告:可观测性平台魔力象限
|
Java
如何修改HttpServletRequest的Headers?
HttpServletRequest java
3807 0
|
6月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
313 3
存储 人工智能 Serverless
554 35
|
6月前
|
自然语言处理 安全
Min-p采样:通过动态调整截断阈值让大模型文本生成兼顾创造力与逻辑性
大语言模型通过预测下一个词生成文本,采样策略决定其创造力与连贯性。Min-p采样根据模型置信度动态调整选择阈值,在高不确定性时扩大候选范围,低不确定性时聚焦高概率词,相较Top-k、Top-p等方法,更好平衡了多样性与质量,尤其在高温下仍保持输出稳定,提升生成文本的流畅性与创新性。
284 3
|
6月前
|
机器学习/深度学习 算法 数据可视化
脑机接口(BCI):从信号到交互的工程实践
蒋星熠Jaxonic以“星际旅人”之姿,深耕脑机接口(BCI)工程实践。本文从系统架构、信号处理到解码算法,融合代码示例与可视化,剖析EEG/EMG非侵入式方案的落地挑战。聚焦延迟、准确率与用户体验,在噪声中构建稳定闭环,探索意念交互的可解释性与可靠性,助力极客穿越“噪声星云”,驶向人脑的奇妙行星。(238字)
|
6月前
|
机器学习/深度学习 传感器 算法
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
413 2
|
安全 Java API
JUC系列《深入剖析ConcurrentHashMap:高并发环境的Map最优解 》
本文深入解析Java并发容器ConcurrentHashMap,从JDK 1.7分段锁到JDK 1.8的CAS+synchronized优化,剖析其高性能设计原理,并结合核心API与实战代码,详解线程安全、原子操作及LongAdder性能优化技巧,助你掌握高并发编程利器。
|
6月前
|
机器学习/深度学习 存储 算法
【水下机器人建模】基于QLearning自适应强化学习PID控制器在AUV中的应用研究(Matlab代码实现)
【水下机器人建模】基于QLearning自适应强化学习PID控制器在AUV中的应用研究(Matlab代码实现)
429 0