在php-crud-api项目中实现基于工作区的多租户数据隔离
2025-06-19 19:26:28作者:伍霜盼Ellen
多租户架构是现代SaaS应用中的常见需求,php-crud-api项目通过其灵活的中间件机制,可以轻松实现基于工作区的数据隔离方案。本文将详细介绍如何利用multiTenancy中间件实现这一功能。
多租户隔离的核心需求
在实际业务场景中,我们经常需要:
- 从请求头中获取租户标识
- 根据标识查询数据库获取工作区配置
- 在所有CRUD操作中自动附加工作区条件
- 确保数据操作仅限于当前租户的工作区范围
实现方案
php-crud-api提供了multiTenancy中间件,可以优雅地实现这一需求。以下是核心实现步骤:
1. 配置中间件
在api.php配置文件中添加multiTenancy中间件:
'middlewares' => 'multiTenancy,dbAuth',
2. 定义租户处理器
创建租户处理函数,该函数会在每个请求中被调用:
'multiTenancy.handler' => function ($operation, $tableName) {
// 从请求头获取租户标识
$tenantKey = $_SERVER['HTTP_X_TENANT_KEY'] ?? null;
if (!$tenantKey) {
throw new Exception('租户标识缺失');
}
// 查询数据库获取工作区配置
$workspace = queryWorkspaceFromDB($tenantKey);
return ['workspace' => $workspace];
},
3. 数据库查询函数实现
实现从数据库查询工作区配置的函数:
function queryWorkspaceFromDB($tenantKey) {
// 这里应该是实际的数据库查询逻辑
$pdo = new PDO(...);
$stmt = $pdo->prepare('SELECT workspace FROM tenants WHERE api_key = ?');
$stmt->execute([$tenantKey]);
$result = $stmt->fetch();
if (!$result) {
throw new Exception('无效的租户标识');
}
return $result['workspace'];
}
工作原理
- 请求拦截:每个API请求都会被multiTenancy中间件拦截
- 条件注入:中间件调用处理器函数获取租户条件
- SQL修改:
- 对于GET请求:自动添加WHERE workspace=xxx条件
- 对于POST/PUT请求:自动在数据中添加workspace字段
- 对于DELETE请求:强制要求包含workspace条件
高级配置
表级过滤
如果只需要对特定表启用多租户过滤:
'multiTenancy.handler' => function ($operation, $tableName) {
if (in_array($tableName, ['products', 'orders'])) {
return ['workspace' => $_SESSION['tenant_workspace']];
}
return [];
},
会话缓存优化
为避免每次请求都查询数据库,可以将工作区信息缓存在会话中:
'multiTenancy.handler' => function ($operation, $tableName) {
if (!isset($_SESSION['tenant_workspace'])) {
$_SESSION['tenant_workspace'] = queryWorkspaceFromDB(
$_SERVER['HTTP_X_TENANT_KEY']
);
}
return ['workspace' => $_SESSION['tenant_workspace']];
},
注意事项
- 确保所有相关表都有workspace字段
- 对于POST请求,前端不需要发送workspace字段
- 考虑添加索引优化workspace字段查询性能
- 对于管理员等特殊角色,可能需要绕过租户过滤
通过这种实现方式,开发者可以轻松地为php-crud-api项目添加完善的多租户支持,确保不同工作区数据的完全隔离,同时保持代码的简洁性和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
387
458
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++
894
680
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
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
805
198
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781