Laravel Auditing 包在 Sanctum 认证下的用户追踪问题解决方案
2025-06-25 13:36:40作者:伍希望
在 Laravel 应用开发中,使用 Laravel Auditing 包进行模型变更审计时,开发者可能会遇到一个常见问题:当应用采用 Sanctum 进行 API 认证时,审计记录中的 user_id 和 user_type 字段无法正确填充。本文将深入分析问题原因并提供完整的解决方案。
问题现象分析
当使用 Laravel Sanctum 作为 API 认证方式时,虽然请求已通过认证且 auth()->user() 能正确返回用户对象,但审计记录中的用户相关字段仍为 null。这种情况通常发生在以下环境中:
- 采用 Laravel Sanctum 进行 API 认证
- 使用多租户架构(如 Stancl Tenancy)
- PostgreSQL 数据库
- 模型已正确实现 Auditable 接口
根本原因探究
Laravel Auditing 包默认通过 UserResolver 类来解析当前认证用户。该解析器会遍历应用配置中定义的所有认证守卫(guards),尝试从每个守卫获取用户实例。问题在于:
- Sanctum 使用特殊的认证机制,不同于传统的 session 或 token 守卫
- 默认配置中可能未将 Sanctum 守卫包含在审计包的检查范围内
- 多租户环境下可能需要额外的上下文处理
解决方案实现
方案一:修改配置文件
首先检查并修改 config/audit.php 配置文件,确保 Sanctum 守卫被包含:
'user' => [
'guards' => ['web', 'api', 'sanctum'], // 添加 sanctum 守卫
// 其他配置...
],
方案二:自定义用户解析器
对于更复杂的情况,可以创建自定义的用户解析器:
- 创建新的解析器类:
namespace App\Resolvers;
use Illuminate\Support\Facades\Auth;
use Illuminate\Support\Facades\Config;
use OwenIt\Auditing\Contracts\UserResolver;
class SanctumUserResolver implements UserResolver
{
public static function resolve()
{
$guards = Config::get('audit.user.guards', [
Config::get('auth.defaults.guard'),
]);
foreach ($guards as $guard) {
try {
if ($user = Auth::guard($guard)->user()) {
return $user;
}
} catch (\Exception $e) {
continue;
}
}
return null;
}
}
- 注册自定义解析器:
在 AppServiceProvider 的 boot 方法中添加:
use OwenIt\Auditing\Facades\Auditor;
public function boot()
{
Auditor::resolveUserUsing(new \App\Resolvers\SanctumUserResolver());
}
方案三:多租户环境适配
在多租户环境下,可能需要额外处理租户上下文。确保在解析用户前租户上下文已正确设置:
public static function resolve()
{
if (!tenancy()->initialized) {
return null;
}
// 其余解析逻辑...
}
最佳实践建议
- 守卫顺序:将最常用的守卫放在配置数组前面,提高解析效率
- 异常处理:妥善处理守卫可能抛出的异常,避免影响主要业务流程
- 日志记录:在解析器中添加日志记录,便于调试用户解析过程
- 性能考虑:避免在解析器中执行耗时的操作
- 测试验证:编写测试用例验证各种认证场景下的审计记录
实现效果验证
实施上述解决方案后,审计记录应能正确记录以下信息:
- 操作用户的 ID 和类型
- 模型变更的完整历史
- 请求的上下文信息(IP、UserAgent 等)
通过本文的解决方案,开发者可以确保 Laravel Auditing 包在 Sanctum 认证环境下正常工作,为应用提供完整的审计追踪能力。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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