Apache Superset与Keycloak集成认证配置指南
2025-04-30 07:03:22作者:宣海椒Queenly
背景介绍
Apache Superset作为一款开源的数据可视化与商业智能工具,支持多种认证方式集成。其中与Keycloak这一开源身份认证与访问管理解决方案的集成,是企业级应用中常见的需求。本文将详细介绍如何正确配置Superset与Keycloak的OAuth集成。
常见问题分析
在实际集成过程中,开发者常会遇到认证失败的问题,主要表现为:
- 用户登录后重定向回Superset登录页面
- 系统提示"登录请求被拒绝"
- 后台日志显示HTTP连接池错误
这些问题通常源于配置不当或网络通信问题。
详细配置步骤
Keycloak端配置
-
创建Realm:在Keycloak管理控制台新建一个Realm(如superset)
-
配置Client:
- 客户端ID设置为superset
- 启用标准流与隐式流
- 设置有效的重定向URI(如http://localhost:8088/oauth-authorized/keycloak)
- 确保Web Origins设置为"+"或具体域名
-
创建用户:建立测试用户并分配适当角色
Superset端配置
在superset_config.py中添加以下配置:
from superset.security import SupersetSecurityManager
class KeycloakSecurity(SupersetSecurityManager):
def oauth_user_info(self, provider, resp=None):
if provider == "keycloak":
me = self.appbuilder.sm.oauth_remotes[provider].get(
'http://keycloak:8080/auth/realms/superset/protocol/openid-connect/userinfo'
)
data = me.json()
return {
"name": data.get("name"),
"email": data.get("email"),
"first_name": data.get("given_name"),
"last_name": data.get("family_name"),
"id": data.get("preferred_username"),
"username": data.get("preferred_username"),
}
CUSTOM_SECURITY_MANAGER = KeycloakSecurity
AUTH_USER_REGISTRATION = True
AUTH_USER_REGISTRATION_ROLE = "Public"
AUTH_TYPE = AUTH_OAUTH
OAUTH_PROVIDERS = [
{
"name": "keycloak",
"icon": "fa-key",
"token_key": "access_token",
"remote_app": {
"client_id": "superset",
"client_secret": "your-client-secret",
"client_kwargs": {"scope": "openid email profile"},
"api_base_url": "http://keycloak:8080/auth/realms/superset/protocol/openid-connect",
"authorize_url": "http://keycloak:8080/auth/realms/superset/protocol/openid-connect/auth",
"access_token_url": "http://keycloak:8080/auth/realms/superset/protocol/openid-connect/token",
"jwks_uri": "http://keycloak:8080/auth/realms/superset/protocol/openid-connect/certs",
}
}
]
容器环境特殊配置
在Docker环境中运行时,需特别注意:
- 使用容器名称而非localhost进行服务间通信
- 确保网络配置正确,各容器在同一网络中
- 对于本地开发环境,可考虑使用host.docker.internal作为主机地址
调试技巧
- 日志分析:检查Superset和Keycloak的日志输出
- 网络跟踪:使用工具如tcpdump或Wireshark跟踪网络请求
- 浏览器开发者工具:检查网络请求和重定向流程
最佳实践建议
- 生产环境中应使用HTTPS而非HTTP
- 合理设置令牌有效期和刷新机制
- 实现适当的角色映射和权限控制
- 定期轮换客户端密钥
通过以上配置和注意事项,开发者可以成功实现Superset与Keycloak的安全集成,为企业用户提供统一的认证体验。
登录后查看全文
热门项目推荐
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