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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00