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
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
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
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
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217