Mikro-ORM 中实现 PostgreSQL 行级安全(RLS)的实践指南
2025-05-28 11:18:05作者:劳婵绚Shirley
背景介绍
PostgreSQL 的行级安全(Row Level Security, RLS)是一种强大的数据访问控制机制,它允许开发者在数据库层面实现细粒度的权限控制。在多租户应用中,RLS 可以确保每个租户只能访问自己的数据,而不会意外看到其他租户的信息。
技术挑战
在使用 Mikro-ORM 这样的 ORM 框架时,实现 RLS 面临的主要挑战是如何在每次数据库操作前正确设置会话级别的配置参数。由于 ORM 抽象了底层的连接管理,我们需要找到合适的方式来注入这些配置。
解决方案探索
1. 直接连接控制方案
通过获取显式连接并执行 SQL 命令来设置参数是最直接的方式:
const conn = this.em.getConnection();
await conn.execute("SELECT set_config('app.bypass_rls', 'off', FALSE)");
await conn.execute(`SELECT set_config('app.current_tenant', '${tenantId}', FALSE)`);
await conn.execute(`SELECT * from rls_protected_table`);
这种方式的缺点是需要在每个操作前手动设置参数,容易遗漏且维护成本高。
2. 连接池拦截方案
更优雅的解决方案是利用连接池的生命周期钩子。Mikro-ORM 底层使用 Knex.js 和 Tarn.js 管理连接池,我们可以通过以下方式拦截连接:
// 初始化 Mikro-ORM 时配置
const orm = await MikroORM.init({
// ...其他配置
driverOptions: {
connection: {
afterCreate: async (conn, done) => {
await conn.query(`SELECT set_config('app.current_tenant', '${currentTenant}', FALSE)`);
done(null, conn);
}
}
}
});
这种方式确保了每次从连接池获取连接时都会自动设置正确的租户ID。
3. 请求上下文感知方案
对于 Web 应用,最佳实践是将租户信息与请求上下文绑定:
// 中间件示例
app.use(async (req, res, next) => {
const tenantId = extractTenantFromRequest(req);
// 为当前请求创建专用的 ORM 实例
req.orm = await createOrmForTenant(tenantId);
next();
});
async function createOrmForTenant(tenantId: string) {
return MikroORM.init({
// ...基础配置
driverOptions: {
connection: {
afterCreate: async (conn, done) => {
await conn.query(`SELECT set_config('app.current_tenant', '${tenantId}', FALSE)`);
done(null, conn);
}
}
}
});
}
性能考量
虽然为每个请求创建新的 ORM 实例听起来开销很大,但实际上:
- 连接池是共享的,不会为每个实例创建新池
- ORM 实例本身的创建成本很低
- 这种设计确保了完美的隔离性
最佳实践建议
- 统一参数管理:将所有的 RLS 相关参数集中管理,避免散落在代码各处
- 错误处理:确保在连接失败时能正确处理回退逻辑
- 测试验证:编写专门的测试用例验证 RLS 是否按预期工作
- 性能监控:监控 RLS 对查询性能的影响
总结
在 Mikro-ORM 中实现 PostgreSQL RLS 需要理解 ORM 的连接管理机制。通过合理利用连接池钩子和请求上下文,我们可以构建出既安全又高效的多租户应用架构。关键在于找到抽象与控制的平衡点,既享受 ORM 的便利,又不失去数据库层面的安全控制能力。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218