Passbolt API 资源类型ID错误导致404问题的分析与解决
问题背景
Passbolt是一款开源的密码管理工具,近期在版本4.10.0-1升级后,部分用户报告在Web界面操作资源时出现"Not Found"错误。该问题主要出现在通过go-passbolt-cli命令行工具创建资源后,在Web界面尝试编辑时发生。
问题现象
用户在使用go-passbolt-cli 0.1.9版本创建资源并共享后,Web界面会出现以下异常:
- 浏览器控制台显示404错误,请求keys.json接口失败
- 界面弹出"Not Found"错误提示
- 资源无法正常编辑保存
根本原因分析
经过Passbolt开发团队调查,发现该问题由两个因素共同导致:
-
go-passbolt-cli 0.1.9版本的资源类型ID选择错误:该版本错误地将新创建的资源关联到了v5默认资源类型ID(dd1f723d-0d1e-513f-8218-4055dc0530d0),而非正确的密码和描述资源类型ID(a28a04cd-6f53-518a-967c-9963bf9cec51)。
-
Passbolt API 4.10.0版本的处理逻辑问题:当遇到这种错误的资源类型ID时,API未能正确处理,导致返回404错误。
解决方案
临时解决方案
对于已经出现问题的资源,可以通过以下SQL语句修复:
UPDATE resources
SET resource_type_id="a28a04cd-6f53-518a-967c-9963bf9cec51"
WHERE resource_type_id="dd1f723d-0d1e-513f-8218-4055dc0530d0";
这条SQL语句将所有错误的v5默认资源类型ID更新为正确的密码和描述资源类型ID。
长期解决方案
-
升级go-passbolt-cli:确保使用最新版本的go-passbolt-cli工具(0.1.9之后的版本),该版本已修复资源类型ID选择问题。
-
等待Passbolt API 4.10.1更新:Passbolt团队已确认将在4.10.1版本中修复此问题,使API能够更优雅地处理此类情况。
技术细节
Passbolt的资源系统基于资源类型(resource_types)表工作,每种资源类型都有特定的定义和属性。在正常情况下:
- 简单密码资源应使用"password-and-description"类型(a28a04cd-6f53-518a-967c-9963bf9cec51)
- 包含TOTP的资源使用"password-description-totp"类型(8cca88d9-a3f6-56df-b860-3ef08de5c5c4)
- 独立TOTP资源使用"totp"类型(05ba5c75-504d-5ad6-819a-83af68867d86)
当资源被错误地关联到v5默认资源类型(dd1f723d-0d1e-513f-8218-4055dc0530d0)时,API无法正确处理资源请求,导致404错误。
最佳实践建议
- 在升级Passbolt系统前,确保所有相关组件(包括CLI工具)都更新到兼容版本
- 定期备份数据库,以便在出现类似问题时可以快速恢复
- 对于生产环境,建议先在测试环境验证新版本的兼容性
- 关注Passbolt的官方更新日志,了解版本间的兼容性说明
通过以上措施,用户可以避免类似问题的发生,确保Passbolt系统的稳定运行。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00