借助Lambda Edge将爬虫流量路由至不同服务器

我明白你的困惑——你找到的示例都是指向S3存储桶的，但其实CloudFront的request.origin对象支持多种源类型，S3只是其中一种。要路由到你的Elastic Beanstalk服务器（比如api.<domainname>.com），你需要使用自定义HTTP/HTTPS源的配置格式，而不是s3属性。

先解释下request.origin的结构 #

CloudFront根据你配置的源类型，会在request.origin里设置对应的属性：

• s3：当源是S3存储桶时使用
• custom：当源是HTTP/HTTPS服务器（比如你的Elastic Beanstalk实例、EC2或者外部API）时使用

修改后的代码示例 #

下面是调整后的Lambda@Edge代码，会把爬虫流量转发到你的API服务器：

exports.handler = (event, context, callback) => {
    const request = event.Records[0].cf.request;
    let is_crawler = undefined;

    // 检查请求头里的"is-crawler"标记
    if ('is-crawler' in request['headers']) {
        is_crawler = request['headers']['is-crawler'][0].value.toLowerCase();
    }

    if (is_crawler === 'true') {
        // 替换为自定义源（你的Elastic Beanstalk服务器）
        request.origin = {
            custom: {
                domainName: 'api.<domainname>.com', // 替换成你的实际API域名
                port: 443, // 如果用HTTPS就是443，HTTP是80
                protocolPolicy: 'https-only', // 可选：强制HTTPS，或者"http-only"/"match-viewer"
                path: '', // 如果需要给请求加前缀可以在这里设置，比如'/crawler'
                customHeaders: {}
            }
        };
        // 可选：如果需要修改Host头，确保源服务器能正确识别请求
        request.headers['host'] = [{ key: 'Host', value: 'api.<domainname>.com' }];
    }

    callback(null, request);
};

关键注意事项 #

• 源配置权限：确保你的Elastic Beanstalk服务器的安全组/防火墙允许CloudFront的IP访问（或者配置CloudFront作为源的可信访问者）
• HTTPS配置：如果你的API服务器用HTTPS，要确保CloudFront能验证证书（建议使用AWS证书管理器颁发的证书）
• Host头设置：有些服务器依赖Host头来路由请求，所以上面的代码里加上了修改Host头的逻辑，根据你的实际情况调整
• 触发器位置：这个Lambda函数要设置为CloudFront的Viewer Request触发器，这样能在请求到达CloudFront后立即修改路由

内容的提问来源于stack exchange，提问作者Xen_mar