JeecgBoot多线程调用微服务时的Token传递问题解析
2025-05-02 22:41:41作者:舒璇辛Bertina
问题背景
在JeecgBoot 3.6.0版本的微服务架构中,开发者经常遇到在多线程环境下调用其他微服务时出现的身份认证失败问题。典型场景是:主线程可以正常调用SystemAPI获取用户信息,但当通过线程池异步调用时,相同的接口却返回认证失败。
问题现象
当开发者使用ThreadPoolTaskExecutor创建线程池异步调用systemApi.getUserById()方法时,虽然主线程可以正常获取用户信息,但子线程中的相同调用却会抛出"认证失败"异常。服务端日志显示请求头中缺少必要的Token信息。
根本原因分析
- Token传递机制:JeecgBoot微服务间调用默认通过请求头传递Token进行认证
- 线程上下文隔离:主线程的Token信息存储在ThreadLocal中,无法自动传递到子线程
- Feign拦截器作用域:原有的Feign拦截器只在主线程上下文中生效
解决方案
方案一:手动传递Token
// 在主线程获取Token
String token = RequestContextHolder.currentRequestAttributes()
.getAttribute("token", RequestAttributes.SCOPE_REQUEST).toString();
ThreadPoolTaskExecutor taskExecutor = new ThreadPoolTaskExecutor();
taskExecutor.execute(() -> {
// 在子线程中设置Token
RequestContextHolder.setRequestAttributes(RequestContextHolder.currentRequestAttributes());
LoginUser user = systemApi.getUserById("10076211");
String username = user.getUsername();
});
方案二:自定义线程池配置
@Configuration
public class ThreadPoolConfig {
@Bean
public ThreadPoolTaskExecutor threadPoolTaskExecutor() {
ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor() {
@Override
public void execute(Runnable task) {
// 复制主线程上下文到子线程
RequestAttributes context = RequestContextHolder.currentRequestAttributes();
super.execute(() -> {
try {
RequestContextHolder.setRequestAttributes(context);
task.run();
} finally {
RequestContextHolder.resetRequestAttributes();
}
});
}
};
// 其他线程池配置...
return executor;
}
}
方案三:增强Feign拦截器
public class FeignRequestInterceptor implements RequestInterceptor {
@Override
public void apply(RequestTemplate template) {
// 从当前线程获取Token
String token = (String) RequestContextHolder.currentRequestAttributes()
.getAttribute("token", RequestAttributes.SCOPE_REQUEST);
if (StringUtils.isNotBlank(token)) {
template.header("Authorization", token);
}
}
}
最佳实践建议
- 统一线程管理:建议使用方案二的自定义线程池,统一处理上下文传递问题
- Token有效性检查:在异步调用前检查Token是否即将过期
- 降级处理:为异步调用添加降级逻辑,当认证失败时提供备用方案
- 日志追踪:为异步调用添加TraceID,便于问题排查
总结
JeecgBoot微服务架构中,多线程环境下的服务调用需要特别注意上下文信息的传递问题。通过合理设计线程池或手动传递Token,可以解决异步调用时的认证问题。开发者应根据实际业务场景选择最适合的解决方案,确保系统在并发环境下的稳定运行。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2暂无简介Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器
项目优选
收起
deepin linux kernel
C
24
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
271
2.55 K
暂无简介
Dart
559
125
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
141
12
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
仓颉编程语言运行时与标准库。
Cangjie
127
104
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
357
1.84 K
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
434
🎉 (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
1.03 K
606
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
731
70