在SST项目中配置API Gateway V2的Cognito JWT认证
2025-05-09 10:03:26作者:鲍丁臣Ursa
在AWS云服务中,API Gateway V2是一个强大的服务,用于构建和管理API。当我们需要为API添加认证层时,JWT(JSON Web Token)是一种常见的选择。本文将详细介绍如何在SST(Serverless Stack)项目中正确配置API Gateway V2使用Cognito作为JWT认证提供者。
认证架构概述
API Gateway V2支持多种认证方式,其中JWT认证需要明确指定以下关键信息:
- 令牌颁发者(Issuer):验证JWT的颁发来源
- 受众(Audiences):验证JWT的目标接收者
- 授权器(Authorizer):处理认证逻辑的组件
常见配置误区
许多开发者初次尝试时,会直接在路由配置中添加JWT参数,如下所示:
api.route("POST /generate/embedurl", "packages/functions/src/generate-embed-url.main", {
auth: {
jwt: {
audiences: [userPoolClient.id],
issuer: `https://cognito-idp.${region}.amazonaws.com/${userPool.id}`
}
}
});
这种配置会导致错误,因为缺少了关键的授权器组件。AWS API Gateway V2要求必须显式创建并关联一个JWT授权器。
正确配置方法
完整的配置流程应包含以下步骤:
- 创建API Gateway V2实例
- 添加JWT授权器
- 在路由中引用授权器
// 1. 创建API实例
const api = new sst.aws.ApiGatewayV2("MyAPI", {
domain: {
name: "api.example.com"
}
});
// 2. 添加JWT授权器
const authorizer = api.addAuthorizer({
name: "cognitoAuthorizer",
jwt: {
issuer: `https://cognito-idp.${aws.getRegionOutput().name}.amazonaws.com/${userPool.id}`,
audiences: [userPoolClient.id]
}
});
// 3. 配置路由并使用授权器
api.route("POST /secure-endpoint", "path/to/handler.main", {
auth: {
jwt: {
authorizer: authorizer.id
}
}
});
关键配置说明
-
授权器创建:必须通过
addAuthorizer方法显式创建授权器,该方法会返回包含授权器ID的对象。 -
Cognito特定参数:
issuer:格式固定为https://cognito-idp.{region}.amazonaws.com/{userPoolId}audiences:通常使用Cognito用户池客户端ID
-
路由配置:在路由的auth配置中,只需引用授权器ID即可,无需重复指定issuer和audiences。
最佳实践建议
-
对于生产环境,建议将授权器配置提取到单独的文件中,便于多个API共享。
-
考虑为不同环境(开发/测试/生产)使用不同的Cognito用户池,通过环境变量动态配置issuer和audiences。
-
在SST项目中,可以利用
$app.stage变量实现环境特定的配置。
通过以上配置,开发者可以轻松地为SST项目中的API Gateway V2添加强大的Cognito JWT认证功能,确保API的安全访问。
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 StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
746
926
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
266
暂无描述
Dockerfile
771
5.02 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
🔥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
70
22
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
1.94 K
201
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
693
1.36 K
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
461
455
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
458
5.24 K