新闻详情

新闻详情

首页 / 资讯中心 / 详情

Nginx 作为反向代理时设置的请求头

发布时间:2026/11/20 4:41:17来源:尧图网络
Nginx 作为反向代理时设置的请求头
这三个参数是Nginx 作为反向代理时设置的请求头目的是把真实的客户端信息传递给后端应用Tomcat、Spring Boot、Node.js 等。1234567location/api{proxy_pass http://172.28.3.106:8094;proxy_redirect http://https://;proxy_set_header Host $host:$server_port;proxy_set_header X-real-ip $remote_addr;proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;}proxy_set_header Host $host:$server_port;含义把客户端请求时的Host 头信息传给后端。$host请求的域名可能来自Host头也可能是请求的 IP。$server_portNginx 接收请求时监听的端口号。作用后端应用拿到的Host头和用户访问的保持一致避免后端误判。 例子用户访问1http://example.com:8080/api/userNginx 转发时会带上1Host: example.com:8080proxy_set_header X-Real-IP $remote_addr;含义告诉后端应用真实客户端的 IP 地址。$remote_addrNginx 接收到请求时客户端的源 IP。作用让后端知道用户的真实 IP而不是只看到 Nginx 的 IP。 例子如果用户 IP 是203.0.113.5那么后端会收到1X-Real-IP: 203.0.113.5proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;含义传递请求经过的代理链路中的客户端 IP 列表。$proxy_add_x_forwarded_for会在已有的 X-Forwarded-For 头后面追加 $remote_addr。作用如果请求直接来自客户端 → 就是客户端 IP。如果请求经过多个代理 → 会形成一个 IP 列表最后一个就是最近的客户端。 例子用户203.0.113.5→ 代理1(Nginx1) → 代理2(Nginx2) → 后端。后端收到的头可能是1X-Forwarded-For: 203.0.113.5, 10.0.0.1, 10.0.0.2第一个 IP 永远是真实用户的公网 IP总结Header 配置作用典型用途Host $host:$server_port保留客户端访问的域名和端口后端根据域名/端口 做路由或多租户X-Real-IP $remote_addr传递客户端真实 IP后端日志、风控、限流X-Forwarded-For $proxy_add_x_forwarded_for传递完整代理链路上的客户端 IP 列表追踪用户来源、防攻击分析在实际项目里Spring Boot 里要拿到真实客户端 IP通常要优先取X-Forwarded-For 的第一个 IP如果没有就取 X-Real-IP否则再 fallback 到 request.getRemoteAddr()
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/19 20:26:12

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/19 15:16:22

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/19 18:03:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉