Paicoding项目前后端分离部署中的跨域问题解决方案
前言
在前后端分离架构的Web应用开发中,跨域问题是一个常见的技术挑战。本文将以Paicoding论坛项目为例,深入分析前后端分离部署时遇到的跨域问题及其解决方案。
问题现象
在Paicoding项目的springboot3&vue3分支中,当后端服务独立部署时,前端访问会报错。具体表现为:
- 前端控制台显示跨域错误
- 浏览器开发者工具中可以看到请求被CORS策略拦截
- 后端日志显示请求已到达但被浏览器拒绝
技术背景
跨域问题源于浏览器的同源策略(Same-Origin Policy),这是现代浏览器的一项基本安全功能。它限制了一个源的文档或脚本如何与另一个源的资源进行交互。
同源策略要求以下三个必须相同:
- 协议(http/https)
- 域名
- 端口号
在Paicoding项目的前后端分离架构中,前端通常运行在开发服务器(如Vite的5173端口),而后端API服务运行在8081端口,这自然就违反了同源策略。
解决方案
1. 后端CORS配置调整
在Paicoding项目中,跨域配置位于CrossUtil.java工具类中。原始实现动态获取请求来源(origin)并设置为允许的源:
response.setHeader("Access-Control-Allow-Origin", origin);
这种实现方式在前后端同域部署时工作良好,但在分离部署时会失效。解决方案是明确指定允许的前端地址:
response.setHeader("Access-Control-Allow-Origin", "http://localhost:5173");
2. 生产环境建议方案
上述硬编码方案仅适用于开发环境。在生产环境中,建议采用以下更灵活的方案:
- 配置文件读取:将允许的源地址配置在application.properties中
- 多环境支持:根据不同的环境(dev/test/prod)加载不同的CORS配置
- 白名单机制:维护一个允许访问的域名白名单
3. 前端代理方案
另一种常见解决方案是在前端开发服务器中配置代理。以Vite为例,可以在vite.config.js中添加:
server: {
proxy: {
'/api': {
target: 'http://backend-server:8081',
changeOrigin: true,
rewrite: path => path.replace(/^\/api/, '')
}
}
}
这样所有以/api开头的请求都会被代理到后端服务器,避免了浏览器的跨域限制。
项目结构说明
Paicoding项目的前后端分离版本结构如下:
- 后端:基于Spring Boot 3的RESTful API服务
- 前端:Vue 3项目,位于
pai-coding-front目录下
需要注意的是,项目中有两个前端代码库:
- 主项目中的
pai-coding-front目录 - 独立的前端仓库(已过时)
开发时应使用主项目中的前端代码,因为独立仓库可能未同步最新API变更。
验证方法
验证后端服务是否正常工作的几种方式:
- 直接访问API端点,如文章详情接口:
/article/api/data/detail/1 - 检查Swagger文档(如果配置了的话)
- 查看启动日志中的API映射信息
总结
前后端分离架构虽然带来了开发效率的提升,但也引入了跨域等新的技术挑战。Paicoding项目的实践表明,合理的CORS配置是解决问题的关键。开发者应根据实际部署环境选择合适的解决方案:
- 开发环境:固定origin或前端代理
- 生产环境:动态白名单或反向代理
理解这些技术细节有助于开发者更好地构建和维护现代化的Web应用程序。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00