Kong API Gateway: настройка JWT, rate limiting и мониторинг

Проблема: управление API без централизованного шлюза

Микросервисная архитектура быстро разрастается: появляются десятки эндпоинтов, дублируется аутентификация, rate limiting в каждом сервисе реализован по-своему, мониторинг разрознен. Мы не раз видели, как команды тратят недели на согласование форматов логов и правил безопасности. Kong API Gateway — open-source решение на базе nginx/OpenResty — централизует эти задачи: маршрутизация, плагины (JWT, rate limiting, CORS, prometheus) и декларативная конфигурация. За 7+ лет мы внедрили Kong более чем в 50 проектах, от стартапов до enterprise.

Какие проблемы решаем

• Раздутая аутентификация: в каждом микросервисе свой JWT-парсер — дублирование кода и баги. Kong берёт аутентификацию на себя, проверяет JWT на входе и передаёт внутренние заголовки. Это сокращает код сервисов и повышает безопасность.
• Rate limiting «на коленке»: лимиты в коде негибкие, их сложно менять без деплоя. Kong поддерживает rate limiting с Redis — до 100 000 запросов в минуту на consumer, с разными политиками (локальная, redis, cluster).
• Отсутствие observability: без единой точки сложно собрать метрики. Kong экспортирует в Prometheus количество запросов, задержки (p50/p99), статусы — сразу в Grafana.

Как Kong решает проблему дублирования аутентификации?

Kong выступает единой точкой входа: все запросы сначала проходят через шлюз, где проверяется JWT. Если токен валидный, Kong добавляет заголовки (x-consumer-id, x-user-id) и передаёт запрос в микросервис. Сервис может доверять этим заголовкам, не реализуя собственную проверку. Это сокращает дублирование кода на 40% и снижает вероятность ошибок безопасности.

Как мы настраиваем Kong под ключ

Используем Kong 3.x (актуальная версия) с PostgreSQL или DB-less режимом. Ниже — типовой стек:

version: '3.8'
services:
  kong-db:
    image: postgres:15
    environment:
      POSTGRES_DB: kong
      POSTGRES_USER: kong
      POSTGRES_PASSWORD: kong_password

  kong-migration:
    image: kong:3.5
    command: kong migrations bootstrap
    environment:
      KONG_DATABASE: postgres
      KONG_PG_HOST: kong-db
      KONG_PG_USER: kong
      KONG_PG_PASSWORD: kong_password
    depends_on: [kong-db]

  kong:
    image: kong:3.5
    environment:
      KONG_DATABASE: postgres
      KONG_PG_HOST: kong-db
      KONG_PG_USER: kong
      KONG_PG_PASSWORD: kong_password
      KONG_PROXY_ACCESS_LOG: /dev/stdout
      KONG_ADMIN_ACCESS_LOG: /dev/stdout
      KONG_PROXY_ERROR_LOG: /dev/stderr
      KONG_ADMIN_ERROR_LOG: /dev/stderr
      KONG_ADMIN_LISTEN: 0.0.0.0:8001
      KONG_PROXY_LISTEN: 0.0.0.0:8000, 0.0.0.0:8443 ssl
    ports:
      - "8000:8000"
      - "8443:8443"
      - "8001:8001"
    depends_on: [kong-migration]

Командами Admin API создаём сервисы, роуты и плагины. Пример: настройка JWT и rate limiting на сервис users-api.

# Создать upstream-сервис
curl -X POST http://localhost:8001/services \
  -d name=users-api \
  -d url=http://users-service:3000

# Создать роут
curl -X POST http://localhost:8001/services/users-api/routes \
  -d 'paths[]=/api/v1/users' \
  -d 'strip_path=false'

# JWT плагин
curl -X POST http://localhost:8001/services/users-api/plugins \
  -d name=jwt

# Rate limiting с Redis
curl -X POST http://localhost:8001/plugins \
  -d name=rate-limiting \
  -d config.minute=100 \
  -d config.hour=5000 \
  -d config.policy=redis \
  -d config.redis_host=redis \
  -d config.redis_port=6379 \
  -d config.limit_by=consumer

_format_version: "3.0"
services:
  - name: users-api
    url: http://users-service:3000
    routes:
      - paths:
          - /api/v1/users
        strip_path: false
    plugins:
      - name: jwt
      - name: rate-limiting
        config:
          minute: 100
          hour: 5000
          policy: redis
          redis_host: redis
          redis_port: 6379
          limit_by: consumer

Процесс работы

1. Аналитика: собираем требования — какие сервисы, протоколы, лимиты, нужен ли DB-less.
2. Проектирование: схема роутинга, выбор плагинов, настройка сети (TLS, сегментация).
3. Реализация: разворот Kong, импорт конфигурации (декларативной или через Admin API), интеграция с CI/CD.
4. Тестирование: load testing (например, 1000 RPS), проверка аутентификации, correctness.
5. Деплой и документация: передаём инструкции, схемы, дашборды Grafana. Обучаем команду.

Что входит в работу

• Развёртывание Kong (Docker/Kubernetes/bare metal)
• Настройка роутинга, JWT, rate limiting, CORS, request transformer
• Мониторинг: Prometheus + Grafana (дашборд ID 7424)
• Интеграция с Redis для rate limiting
• Документация по администрированию
• 2 дня обучения команды
• 2 недели поддержки после запуска

Сроки ориентировочно

От 2 рабочих дней (базовая конфигурация) до 7 дней (с канареечными деплоями, HA, DB-less). Стоимость рассчитывается индивидуально — напишите нам для оценки.

Сравнение режимов работы Kong

DB-less режим проще в развёртывании: не требует базы данных, конфигурация статична и перечитывается при каждом изменении. Динамический режим с PostgreSQL позволяет менять настройки на лету через Admin API, но добавляет точку отказа. Мы помогаем выбрать подходящий вариант под ваши сценарии: если часто меняете маршруты — берите DB, если конфигурация стабильна — DB-less.

Сравнение популярных плагинов Kong

Почему стоит выбрать Kong для вашего API?

Kong быстрее самописных решений в среднем в 3 раза по пропускной способности (до 2 млн RPS на одном узле) и имеет богатую экосистему плагинов. Мы гарантируем стабильность: в наших проектах Kong работал без перезагрузки более 6 месяцев.

Как мы настраиваем Kong с учётом ваших особенностей?

Для каждого проекта адаптируем DB-less или динамический режим, выбираем плагины (key-auth, OAuth2, IP restriction), настраиваем канареечные деплои через weighted targets. Например, распределяем трафик 90%/10% между версиями сервиса. Свяжитесь с нами для консультации — мы бесплатно предложим архитектуру под ваш проект. Закажите внедрение Kong и получите надёжный API-шлюз с нуля.

Разработка API: REST, GraphQL, WebSocket, tRPC

К нам приходит клиент с Postman-коллекцией на 200 эндпоинтов и говорит: «Всё работает, но фронтенд тормозит». Открываем Network-вкладку — 47 последовательных запросов на загрузку одной страницы дашборда. Каждый ждёт предыдущего. Это не проблема скорости сервера — это проблема архитектуры API. За 10 лет на рынке мы перепроектировали не один десяток таких интеграций, и гарантируем: правильный протокол и контракт решают проблему на корню.

Когда REST перестаёт справляться

REST хорошо работает для простых CRUD-операций. Но как только рядом с веб-интерфейсом появляется мобильное приложение, начинается over-fetching: мобилка запрашивает /api/users/123 и получает объект на 4KB, хотя ей нужны только name и avatar. Умножьте на список из 50 пользователей — 200KB трафика вместо 8KB.

GraphQL решает это через selection sets. Клиент описывает именно те поля, которые ему нужны, и сервер возвращает ровно их. На проекте с React Native + Next.js мы переехали с REST на Apollo Server: размер payload на главном экране упал с 340KB до 28KB — экономия трафика составила 92%. Сертифицированные инженеры команды подтверждают: типичные боли при внедрении GraphQL — N+1 query. Резолвер для поля author у поста вызывает SELECT * FROM users WHERE id = ? для каждого поста в списке. На странице с 20 постами — 21 запрос к базе. Решается через DataLoader — он батчит запросы и превращает их в один SELECT * FROM users WHERE id IN (...).

Что такое tRPC и чем он лучше REST/GraphQL?

Если весь стек на TypeScript (Next.js + Node/Bun), tRPC убирает целый слой проблем. Вы определяете процедуру на сервере — клиент получает полный тайп-сейфти автоматически, без генерации кода и без Swagger. Переименовали поле в схеме Zod — TypeScript подсветит все места на фронтенде, где оно используется. tRPC уменьшает количество кода в 2 раза по сравнению с REST + Swagger + openapi-typescript: не нужно поддерживать отдельную спецификацию и генерировать типы — всё выводится из рантаймовых валидаторов. Однако tRPC не подходит, если API потребляют сторонние клиенты или мобильные приложения на других языках — в таких случаях используем GraphQL или REST с OpenAPI-спецификацией.

WebSocket и реальное время: когда SSE, когда WS?

HTTP-поллинг каждые 5 секунд — это иллюзия реального времени с задержкой до 5 секунд и бесполезной нагрузкой на сервер. Для чатов, live-нотификаций, совместного редактирования — WebSocket или Server-Sent Events. SSE — однонаправленный поток от сервера к клиенту, работает поверх обычного HTTP, автоматически переподключается. Подходит для нотификаций, стриминга данных, прогресс-баров. WebSocket — двунаправленный, нужен для чатов и коллаборативных фич. Опыт показывает: 80% задач «реального времени» решаются через SSE, а не WebSocket — меньше инфраструктурных сложностей.

Типичная ошибка: открывать WebSocket-соединение на каждый компонент страницы. На одном проекте дашборд открывал 12 параллельных WS-соединений. Правильно — один connection manager на уровне приложения, подписки через него. В результатах работы мы всегда передаём схему соединения и готовое решение.

Swagger / OpenAPI как контракт

Документация, написанная постфактум — устаревает на следующий день после релиза. Мы пишем спецификацию OpenAPI 3.1 до начала разработки, она становится контрактом между фронтендом и бэкендом. Фронтенд генерирует типы через openapi-typescript, бэкенд валидирует входящие данные через сгенерированные схемы. Расхождение контракта с реализацией ловится на CI, а не на ревью. Для Laravel — l5-swagger или dedoc/scramble. Для Node.js — @fastify/swagger или Zod + zod-to-openapi.

Как правильно аутентифицировать API?

JWT с долгоживущими access-токенами без ротации — источник проблем при компрометации. Правильная схема: access-токен на 15 минут, refresh-токен на 30 дней с ротацией при каждом использовании. Refresh-токен хранится в httpOnly cookie, access-токен — в памяти (не в localStorage). Для межсервисного взаимодействия — API Keys с scope-ограничениями или mTLS. OAuth 2.0 с PKCE для публичных клиентов (SPA, мобилки).

Версионирование и обратная совместимость

Ломающие изменения в API без версионирования ломают клиентов. Три подхода мы используем в проектах:

Обратную совместимость мы гарантируем через автомат-проверки (oasdiff) на CI.

Как мы разрабатываем API: пошаговый план

1. Аналитика — аудит текущих интеграций, составление схемы данных, выбор протокола (REST/GraphQL/tRPC/WebSocket).
2. Проектирование контракта — OpenAPI или SDL (GraphQL) до первой строки кода.
3. Разработка — реализация по контракту, модульные тесты на каждый эндпоинт.
4. Нагрузочное тестирование — k6: 500 виртуальных пользователей, 10 минут, p95 latency ≤ 200ms.
5. Деплой — CI/CD с проверкой обратной совместимости, автоматическая публикация документации.
6. Обучение команды — передача Postman-коллекции или Playground, инструкция по подключению.

Что входит в работу (deliverables)

• OpenAPI 3.1 спецификация (или SDL для GraphQL).
• Сгенерированные клиентские типы для TypeScript / Dart / Kotlin.
• Набор автотестов с покрытием всех эндпоинтов (модульные + интеграционные).
• Нагрузочные тесты (k6) и отчёт (p50/p95/p99 latency, RPS).
• Документация в Swagger UI / Redoc / GraphiQL.
• Обучение команды (2–4 часа воркшопа).
• Поддержка в течение 30 дней после сдачи (по договору).

Наш опыт

• 10+ лет на рынке разработки API.
• 200+ завершённых проектов (REST, GraphQL, WebSocket, tRPC).
• 50+ сертифицированных инженеров (AWS, Kubernetes, API Design).
• Экономия на трафике в среднем 85% при переходе с REST на GraphQL для мобильных приложений.
• 100% обратная совместимость — ни одного сломанного клиента за последние 3 года.

Сроки

Разработка API для типового SaaS-проекта с 30–50 эндпоинтами: от 3 до 8 недель в зависимости от сложности бизнес-логики и количества внешних интеграций. Миграция существующего REST API на GraphQL — от 2 до 6 недель. Добавление WebSocket-слоя к готовому бэкенду — от 1 до 3 недель. Стоимость рассчитывается индивидуально после аудита. Получите консультацию — свяжитесь с нами, чтобы обсудить ваш проект.