当前位置:首页 > 文章列表 > 文章 > linux > Linux nftables 集合规则的批量维护

Linux nftables 集合规则的批量维护

来源:17golang原创 2026-10-28 13:25:03 0浏览 收藏

Linux nftables 的集合规则适合承载“经常变化、规则结构相对稳定”的清单,例如临时封禁地址、允许访问的网段或需要统一匹配的端口。批量维护的关键不是把几十条命令串起来,而是先创建一个命名集合,让规则只引用集合,再用一个 nft 脚本事务更新集合内容。这样新增、删除和替换清单时,不必反复改动 input 链中的规则。

要点速览
  • 命名集合可以被规则持续引用,适合独立维护变化数据。
  • IPv4 地址集合使用 type ipv4_addr;需要网段区间匹配时再选择 flags interval。
  • timeout 决定元素何时过期,gc-interval 只影响过期元素的回收节奏。

先把变化清单从规则里拆出来

匿名集合直接嵌在规则中,规则删除后集合也随之释放,适合固定的小清单。批量维护应使用命名集合。下面的结构只让规则表达“命中集合就丢弃”,地址清单则放在 blocked_src 中:

table inet edge {
    chain input {
        type filter hook input priority filter; policy accept;
        # 规则只负责引用集合,不把变化的地址写死在链里
        ip saddr @blocked_src drop
    }

    set blocked_src {
        type ipv4_addr
        flags interval
        # interval 允许集合表达网段或地址范围
    }
}

这里的 type 必须和元素类型一致。单个 IPv4 地址可以不使用 interval,但网段、连续地址范围或需要自动合并相邻区间时,应在集合定义中声明它。不要把端口、IPv6 地址和 IPv4 地址混进同一个集合。

Linux nftables inet edge 表、input 链、blocked_src IPv4 集合与 drop 规则的静态结构说明图
图1:nftables 命名集合结构说明图,展示规则与批量变化数据的边界。

用一个脚本批量替换集合内容

临时操作可以直接执行 nft add element 或 nft delete element。需要把外部清单整体同步到防火墙时,建议把动作写入文件,一次交给 nft -f。下面的示例把集合清空,再装入一组新的地址;清空和添加属于同一份配置输入,避免维护脚本只执行了一半。

flush set inet edge blocked_src

add element inet edge blocked_src {
    198.51.100.10,
    198.51.100.0/24,
    203.0.113.0/25
}

# 先检查 nft 语法,再将同一份配置提交给 nft
# nft -c -f /etc/nftables.d/edge-set.nft
# nft -f /etc/nftables.d/edge-set.nft

批量脚本的边界也要写清:flush set 会删除集合当前元素,误把空文件提交到生产环境会让集合暂时失去保护内容。因此生成文件时要先校验输入非空、地址格式和网段范围;只想追加时不要使用 flush,改用一条或多条 add element。规则本身没有变化,引用集合的动作也不需要重复加载。

临时元素要分清 timeout 与 gc-interval

对自动过期的封禁项,可以在集合上声明超时能力,再给每个元素设置保留时间:

add set inet edge temp_block {
    type ipv4_addr;
    flags timeout;
    timeout 1h;
    gc-interval 5m;
}

# 只让这个地址保留十分钟,注释用于标记来源
add element inet edge temp_block {
    198.51.100.25 timeout 10m comment "rate-limit"
}

timeout 10m 是元素的存活时长;gc-interval 5m 不是把十分钟改成五分钟,而是影响过期元素何时被垃圾回收以及集合计数何时下降。短时高频更新的集合要关注容量上限,长期大集合则应根据回收压力调整间隔。需要从数据面动态更新集合时,还必须考虑 dynamic、size 和元素超时,不能只在规则中写 add 就认为容量会无限增长。

nftables 批量维护脚本、flush set、add element、timeout 与 list set 复查对象的静态依赖结构图
图2:批量维护结构说明图,展示脚本输入、集合动作与复查对象的关系。

发布后用四个检查确认集合真的可用

不要只看命令退出码。先确认集合本身,再确认元素、规则引用和加载文件:

检查目标命令重点看什么
集合定义nft list set inet edge blocked_srctype、flags 和元素是否存在
单个元素nft get element inet edge blocked_src { 198.51.100.10 }地址是否在集合中
规则引用nft list chain inet edge input是否仍使用 @blocked_src
文件语法nft -c -f /etc/nftables.d/edge-set.nft提交前是否能完整解析

如果集合存在但规则没有引用它,问题在链配置;如果规则引用正常但元素查不到,问题在同步文件或集合类型;如果临时元素仍显示在列表中,也不能立即判定超时失效,还要结合 expires 和垃圾回收时机判断。

常见问题

为什么新增网段后规则仍然不命中?

先检查集合是否声明了适合区间的 flags interval,再用 nft list set 确认网段实际进入集合;同时确认规则匹配的是相同地址族和方向。

为什么删除元素后集合列表里还像是有记录?

带超时的元素可能等待垃圾回收才释放内部空间。看元素的过期状态,不要把 gc-interval 当成元素寿命。

批量同步前是否应该先改规则?

通常不需要。规则稳定、集合变化时,使用命名集合和单份 nft 脚本即可;只有集合类型、地址族或匹配语义发生变化时,才需要同步调整规则。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Linux find 按时间与大小组合筛选文件Linux find 按时间与大小组合筛选文件
上一篇
Linux find 按时间与大小组合筛选文件
Linux tar 排除规则与目录层级的打包
下一篇
Linux tar 排除规则与目录层级的打包
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    755次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    753次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    834次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    800次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    634次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码