Rpush项目中解决Safari浏览器Webpush通知403错误的经验分享
在使用Rpush实现Webpush推送通知功能时,开发者可能会遇到一个特定于Safari浏览器的错误:当尝试向Safari用户发送推送通知时,服务器返回403 Forbidden错误,并附带"BadJwtToken"的错误信息。这个问题看似复杂,但实际上有一个简单的解决方案。
问题现象
当用户在Safari浏览器中授权接收推送通知后,系统会生成一个以https://web.push.apple.com开头的订阅端点(endpoint)。当开发者使用Rpush尝试向这个端点发送推送通知时,会遇到以下错误:
Rpush::DeliveryError: Unable to deliver notification 97546, received error 403 (Forbidden: {"reason":"BadJwtToken"})
相比之下,对于Chrome或Firefox等浏览器生成的以https://fcm.googleapis.com开头的端点,推送通知能够正常工作。
问题根源
这个问题的根本原因在于Rpush应用的VAPID(Voluntary Application Server Identification)认证配置不正确。具体来说,是在创建Webpush应用时,subject字段缺少了必要的mailto:前缀。
VAPID认证是Web Push协议的一部分,它允许应用服务器向推送服务证明自己的身份。在配置VAPID时,subject字段应该是一个邮件地址,并且必须以mailto:开头。
解决方案
正确的做法是在创建Rpush Webpush应用时,确保VAPID证书中的subject字段包含mailto:前缀。以下是正确的配置代码示例:
if Rpush::App.find_by(name: 'webpush').nil?
vapid_keypair = Webpush.generate_key.to_hash
app = Rpush::Webpush::App.new
app.name = 'webpush'
app.certificate = vapid_keypair.merge(subject: 'mailto:support@example.com').to_json
app.connections = 1
app.save!
end
如果已经错误地创建了应用,可以通过直接更新数据库来修复:
Rpush::App.where(name: 'webpush').update_all("certificate = REPLACE(certificate, 'support@example.com', 'mailto:support@example.com')")
技术背景
Web Push协议要求应用服务器使用VAPID认证来标识自己。VAPID使用JSON Web Tokens(JWT)来验证服务器身份。当subject字段格式不正确时,Apple的推送服务会拒绝这个JWT令牌,导致"BadJwtToken"错误。
Safari浏览器使用Apple自己的推送服务(web.push.apple.com),而Chrome和Firefox则使用Google的Firebase Cloud Messaging服务(fcm.googleapis.com)。不同的推送服务对VAPID认证的验证严格程度可能有所不同,这解释了为什么问题只出现在Safari浏览器上。
最佳实践
- 始终确保VAPID subject字段以
mailto:开头 - 使用有效的、可管理的邮件地址作为subject
- 在开发和测试阶段,检查所有主流浏览器的推送功能
- 考虑为不同环境(开发、测试、生产)使用不同的VAPID密钥对
通过遵循这些最佳实践,可以确保Web Push通知在所有主流浏览器上都能可靠工作,包括Safari。
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