Django REST Framework SimpleJWT 集成 AWS Cognito 配置指南
在 Django 项目中集成 AWS Cognito 身份验证服务时,使用 django-rest-framework-simplejwt 库是一个常见的选择。本文将详细介绍如何正确配置 SimpleJWT 以支持 AWS Cognito 的 JWT 验证流程。
核心配置参数
要使 SimpleJWT 与 AWS Cognito 协同工作,需要在 Django 的 settings.py 文件中进行以下关键配置:
SIMPLE_JWT = {
'ALGORITHM': 'RS256',
'USER_ID_CLAIM': 'username',
'USER_ID_FIELD': 'username', # 对应 Django 用户模型中的字段
'TOKEN_TYPE_CLAIM': 'token_use',
'ISSUER': 'https://cognito-idp.<aws-region>.amazonaws.com/<user-pool-id>',
'JWK_URL': 'https://cognito-idp.<aws-region>.amazonaws.com/<user-pool-id>/.well-known/jwks.json',
}
配置要点解析
-
算法选择:必须设置为 'RS256',这是 AWS Cognito 使用的标准 RSA 签名算法。
-
用户标识映射:
USER_ID_CLAIM:指定 JWT payload 中哪个字段包含用户唯一标识USER_ID_FIELD:对应 Django 用户模型中存储该标识的字段
-
Token 类型声明:
TOKEN_TYPE_CLAIM设置为 'token_use',这是 Cognito 特有的声明字段。 -
签发者验证:
ISSUER必须与 Cognito 用户池的颁发者 URL 完全匹配。 -
公钥获取:
JWK_URL指向 Cognito 提供的 JWK 集端点,用于验证 JWT 签名。
重要注意事项
-
避免设置 AUDIENCE:AWS Cognito 的访问令牌默认不包含 audience 声明,设置 AUDIENCE 会导致验证失败。
-
用户模型匹配:确保 Django 用户模型中有一个字段能够存储 Cognito 返回的用户标识(通常是 'username' 或 'sub')。
-
区域和用户池ID:配置中的
<aws-region>和<user-pool-id>需要替换为实际的 AWS 区域和用户池 ID。
视图层集成
在视图层集成非常简单,只需在视图类中添加 JWTAuthentication 即可:
from rest_framework_simplejwt.authentication import JWTAuthentication
class MySecureViewSet(viewsets.GenericViewSet):
authentication_classes = [JWTAuthentication]
# 其他视图配置...
通过以上配置,Django 应用就能够正确验证来自 AWS Cognito 的 JWT 令牌,实现安全的身份验证流程。这种集成方式既保持了 Django 原有的用户模型体系,又能够利用 AWS Cognito 强大的身份管理功能。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0134
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00