Django REST Framework SimpleJWT 中使用自定义用户ID字段导致令牌刷新失败的解决方案
在使用 Django REST Framework SimpleJWT 进行 JWT 认证时,很多开发者会遇到一个常见问题:当使用自定义用户模型并指定非主键字段作为用户标识时,在刷新令牌时会出现 HTTP 500 错误。本文将深入分析这个问题及其解决方案。
问题背景
在 Django 项目中,我们经常会扩展默认的用户模型,添加额外的字段。例如,使用 UUID 作为用户标识而非默认的自增 ID:
from django.contrib.auth.models import AbstractUser
import uuid
class CustomUser(AbstractUser):
uuid = models.UUIDField(default=uuid.uuid4, unique=True)
在 SimpleJWT 配置中,我们通常会这样设置:
SIMPLE_JWT = {
'USER_ID_FIELD': 'uuid', # 使用uuid字段而非默认的id
'ROTATE_REFRESH_TOKENS': True,
'BLACKLIST_AFTER_ROTATION': True,
# 其他配置...
}
问题现象
当启用令牌轮换和黑名单功能后,在调用 /api/token/refresh/ 端点时,系统会抛出 500 错误,核心错误信息为:
ValueError: Field 'id' expected a number but got '4faf8673-02f5-4a1d-8994-dd76adab934a'
问题根源分析
这个问题源于 SimpleJWT 内部 BlacklistMixin 的实现方式。在令牌黑名单处理过程中,代码尝试直接使用 USER_ID_CLAIM 的值(即用户的 UUID)来创建 OutstandingToken 记录,但 OutstandingToken 模型的 user 字段是一个外键,默认期望接收的是用户主键(通常是数字 ID)。
具体来说,问题出在以下代码路径:
- 当刷新令牌时,
TokenRefreshView会验证刷新令牌 - 验证通过后,会调用
refresh.blacklist()方法将旧令牌加入黑名单 - 在
blacklist()方法中,尝试创建OutstandingToken记录时,直接将 UUID 值赋给了用户外键字段
解决方案
这个问题在 SimpleJWT 5.5.0 版本中已经得到修复。解决方案的核心思路是:
- 首先通过
USER_ID_FIELD配置获取用户模型 - 然后使用该字段查询对应的用户对象
- 最后将用户对象(而非原始ID值)赋给
OutstandingToken的user字段
升级到 5.5.0 或更高版本是最简单的解决方案。如果由于某些原因无法升级,可以按照以下方式手动修复:
from django.contrib.auth import get_user_model
def custom_blacklist(self):
jti = self.payload[api_settings.JTI_CLAIM]
exp = self.payload["exp"]
user_id = self.payload.get(api_settings.USER_ID_CLAIM)
# 获取用户对象而非直接使用ID
user = get_user_model().objects.get(**{api_settings.USER_ID_FIELD: user_id})
token, _ = OutstandingToken.objects.get_or_create(
jti=jti,
defaults={
"user": user, # 使用用户对象
"created_at": self.current_time,
"token": str(self),
"expires_at": datetime_from_epoch(exp),
},
)
return BlacklistedToken.objects.get_or_create(token=token)
最佳实践
- 保持更新:始终使用最新版本的 SimpleJWT,以避免已知问题
- 测试覆盖:在使用自定义用户模型时,确保测试令牌的获取、刷新和验证流程
- 明确配置:在
settings.py中明确设置所有相关的 JWT 配置项 - 监控日志:对认证相关的错误日志进行监控,及时发现类似问题
总结
在使用 Django REST Framework SimpleJWT 时,自定义用户模型是常见需求,但需要注意与令牌黑名单功能的兼容性。通过理解底层实现原理,我们可以更好地规避和解决这类问题。最新版本的 SimpleJWT 已经修复了这个兼容性问题,推荐开发者及时升级以获得更好的开发体验。
对于正在使用旧版本的项目,可以采用本文提供的临时解决方案,但长期来看,升级到最新版本才是最佳选择。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00