JeecgBoot积木大屏组件图标404问题的解决方案
2025-05-02 18:53:18作者:凤尚柏Louis
问题背景
在使用JeecgBoot积木大屏1.9.1版本时,开发者在集成系统后发现了一个资源访问问题。虽然通过网关配置了/darg/**的路由后能够正常访问大屏页面,但在点击设计按钮后,上方组件的小图标却无法正常显示,出现了404错误。
问题分析
这个问题本质上是一个资源路径映射问题。积木大屏的设计界面需要加载组件图标资源,这些图标默认存放在/img/目录下。当系统通过网关访问时,由于路径映射配置不完整,导致前端无法正确获取这些静态资源。
解决方案
要解决这个问题,需要在网关配置中增加对/img/**路径的转发规则。具体配置如下:
{
"id": "jeecg-system-api-rewrite",
"order": 0,
"predicates": [
{
"name": "Path",
"args": {
"_genkey_0": "/img/**"
}
}
],
"filters": [
{
"name": "RewritePath",
"args": {
"_genkey_0": "/img/(?<segment>.*)",
"_genkey_1": "/drag/lib/img/${segment}"
}
}
],
"uri": "lb://jeecg-system"
}
这个配置实现了以下功能:
- 匹配所有以/img/开头的请求路径
- 使用RewritePath过滤器将请求重写
- 将/img/路径映射到实际的资源路径/drag/lib/img/
- 通过负载均衡指向jeecg-system服务
技术原理
这种问题的出现通常是由于微服务架构中静态资源路径的映射不完整导致的。在单体应用中,静态资源通常可以直接访问,但在微服务架构下,所有请求都需要通过网关路由,因此必须明确配置所有静态资源的访问路径。
重写路径(Path Rewrite)是API网关中常见的功能,它允许开发者在不修改前端代码的情况下,将外部请求路径映射到内部服务的实际路径。这种技术特别适用于:
- 前后端分离架构
- 微服务环境下的静态资源访问
- 需要隐藏实际后端路径的场景
最佳实践
为了避免类似问题,建议在JeecgBoot项目集成时:
- 完整梳理前端所需的所有静态资源路径
- 在网关中为每个静态资源目录配置相应的路由规则
- 使用统一的路径前缀管理静态资源
- 在开发环境中测试所有静态资源的可访问性
- 考虑使用CDN托管静态资源以提升性能
总结
JeecgBoot积木大屏组件图标404问题是一个典型的网关路径映射问题。通过合理配置网关路由规则,可以确保前端能够正确访问所需的静态资源。这个案例也提醒我们,在微服务架构下,静态资源的访问需要特别关注路径映射的完整性。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
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