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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust085- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
692
4.48 K
Ascend Extension for PyTorch
Python
554
675
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
464
85
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++
955
933
openEuler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。
C
409
329
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.59 K
930
昇腾LLM分布式训练框架
Python
147
175
Oohos_react_native
React Native鸿蒙化仓库
C++
336
387
暂无简介
Dart
939
235
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
653
232