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。
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-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型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
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.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).Dockerfile013
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