Next-Shadcn-Dashboard-Starter 项目中实现 RefreshToken 过期自动登出机制
背景介绍
在基于 Next.js 和 NextAuth.js 构建的认证系统中,处理 JWT 令牌的刷新和过期是一个常见的需求。Next-Shadcn-Dashboard-Starter 项目提供了一个现代化的仪表板模板,其中包含了用户认证功能。本文将深入探讨如何在该项目中实现当 RefreshToken 过期时自动触发用户登出的机制。
核心问题分析
在传统的 JWT 认证流程中,通常会使用 AccessToken 和 RefreshToken 的组合。AccessToken 有效期较短,而 RefreshToken 有效期较长。当 AccessToken 过期时,系统会使用 RefreshToken 获取新的 AccessToken。但如果 RefreshToken 也过期了,就需要让用户重新登录。
实现方案详解
1. 认证配置设置
首先需要在 auth.config.ts 中配置认证提供者和回调函数:
const authConfig = {
providers: [
CredentialProvider({
// 配置凭证提供者
async authorize(credentials) {
// 处理登录逻辑
},
}),
],
callbacks: {
async jwt({ token, user }) {
// JWT 处理逻辑
},
async session({ session, token }) {
// 会话处理逻辑
},
},
// 其他配置...
};
2. 令牌刷新机制
实现 refreshAccessToken 函数来处理令牌刷新:
async function refreshAccessToken(token) {
try {
const response = await fetch(API_ENDPOINT, {
method: "GET",
credentials: 'include',
headers: {
// 包含必要的请求头
}
});
if (!response.ok) throw error;
const newToken = await response.json();
const decoded = jwtDecode(newToken.token);
return {
...token,
accessToken: newToken.token,
accessTokenExpires: decoded.exp * 1000,
};
} catch (error) {
return {
...token,
error: "RefreshAccessTokenError", // 标记刷新错误
};
}
}
3. JWT 回调处理
在 JWT 回调中实现令牌过期检查和刷新逻辑:
async jwt({ token, user }) {
// 初始登录处理
if (user) {
const decoded = jwtDecode(user.accessToken);
return {
...user,
accessTokenExpires: decoded.exp * 1000,
};
}
// 检查令牌是否过期
if (Date.now() < token.accessTokenExpires) {
return token;
}
// 尝试刷新令牌
return await refreshAccessToken(token);
}
4. 会话回调处理
将错误信息传递到会话中:
async session({ session, token }) {
session.user = {
id: token.user.user_uuid,
username: token.user.username,
email: token.user.email,
role: token.user.role
};
session.accessToken = token.accessToken;
session.error = token.error; // 传递错误信息
return session;
}
5. 客户端错误检测
在布局组件中监听会话错误并触发登出:
export default function Header() {
const { data: session } = useSession();
useEffect(() => {
if(session?.error === "RefreshAccessTokenError") {
console.log('检测到令牌刷新错误,正在登出...');
signOut();
}
}, [session?.error]);
return (
// 布局组件内容
);
}
常见问题与优化建议
-
多次刷新请求问题:
当 RefreshToken 过期时,可能会触发多次刷新请求。可以通过在 JWT 回调中添加额外的状态检查来避免这种情况。 -
响应延迟问题:
在慢速网络环境下,组件可能在会话更新前多次检查错误状态。可以考虑添加防抖机制。 -
跨标签页同步:
使用window.addEventListener('storage', ...)监听存储事件,确保所有标签页都能同步登出状态。 -
用户体验优化:
可以在登出前显示友好的提示信息,而不是直接强制登出。
最佳实践
-
令牌有效期设置:
- AccessToken 建议设置为 15-30 分钟
- RefreshToken 建议设置为 7-30 天
-
安全考虑:
- 确保所有令牌传输都通过 HTTPS
- 考虑实现令牌撤销机制
-
错误处理:
- 提供清晰的错误信息
- 记录失败的刷新尝试
通过以上实现,Next-Shadcn-Dashboard-Starter 项目可以有效地处理 RefreshToken 过期情况,提供更安全、更流畅的用户认证体验。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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).Dockerfile015
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- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00