JeecgBoot多角色数据权限的AND与OR逻辑处理方案
2025-05-02 13:31:05作者:齐添朝
在JeecgBoot 3.6.3版本中,当用户拥有多个角色且每个角色配置了不同的数据权限时,系统默认会使用AND逻辑拼接这些数据权限条件。这种处理方式在某些业务场景下可能不符合预期,特别是当用户需要查看多个角色权限的并集数据时。
问题背景分析
在实际业务中,一个用户经常会被分配多个角色。例如:
- 部门主管角色A:可以查看A部门的数据
- 项目组长角色B:可以查看B项目的数据
按照JeecgBoot默认的AND逻辑处理方式,系统会生成类似"WHERE dept_id = 'A' AND project_id = 'B'"的查询条件,这可能导致查询结果为空,因为很少有数据能同时满足两个完全不同的条件。
技术实现原理
JeecgBoot的数据权限控制主要在QueryGenerator类的installMplus方法中实现。该方法会:
- 获取当前用户的所有角色
- 收集每个角色对应的数据权限规则
- 将这些规则转换为SQL条件
- 默认使用AND逻辑拼接所有条件
解决方案
方案一:修改QueryGenerator源码
可以直接修改QueryGenerator类中的installMplus方法,将queryWrapper()改为queryWrapper.or()。这种修改会使得多个角色的数据权限条件使用OR逻辑拼接,实现权限的并集查询。
// 修改前
queryWrapper.and(permissionWrapper);
// 修改后
queryWrapper.or(permissionWrapper);
方案二:使用Shiro注解控制
对于需要特殊权限控制的接口,可以使用Shiro的@RequiresRoles注解,并指定logical参数为Logical.OR:
@RequiresRoles(value = {"admin", "test"}, logical = Logical.OR)
public void someMethod() {
// 方法实现
}
这种方式更加灵活,可以针对特定接口进行权限控制,而不影响全局的数据权限处理逻辑。
适用场景分析
- AND逻辑适用场景:当多个角色的数据权限条件需要同时满足时,例如财务角色需要查看"本部门"+"已完成"的订单。
- OR逻辑适用场景:当用户需要查看多个角色权限的并集数据时,例如同时作为两个部门的主管需要查看两个部门的数据。
最佳实践建议
- 对于大多数业务场景,OR逻辑更符合实际需求,建议作为默认处理方式。
- 对于特殊业务场景,可以通过自定义注解或配置的方式实现更复杂的权限逻辑组合。
- 修改核心代码前,建议先评估影响范围,或通过扩展点方式实现,避免直接修改框架代码带来的升级维护问题。
- 可以考虑实现动态配置,允许管理员根据业务需求选择AND或OR逻辑。
通过合理的数据权限逻辑处理,可以更好地满足企业级应用中复杂的权限控制需求,提升系统的灵活性和用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218