JeecgBoot v3.7.3 Spring Boot 3与Spring Authorization Server深度整合解析
JeecgBoot作为一款基于代码生成器的低代码开发平台,在最新发布的v3.7.3版本中实现了对Spring Boot 3和JDK 17的全面支持,同时完成了与Spring Authorization Server(SAS)的深度整合。这一重大升级不仅带来了技术栈的现代化演进,更为企业级应用开发提供了更强大的安全认证能力。
技术架构升级概览
本次版本升级的核心在于技术栈的全面革新。项目从原有的Spring Boot 2.x升级至Spring Boot 3.x,基础运行环境要求提升至JDK 17,这一变化带来了多项性能改进和新特性支持。同时,项目移除了传统的Shiro安全框架,转而采用Spring生态中的Spring Authorization Server作为认证授权解决方案,实现了与Spring Security的无缝集成。
在中间件支持方面,项目将默认的Web容器从Tomcat切换为Undertow,这一变更显著提升了系统的并发处理能力。数据库连接池升级至Druid 1.2.22版本,增强了数据库连接管理的稳定性和性能。Redis客户端也同步升级至Jedis 3.8.0,确保与新版Spring框架的兼容性。
Spring Authorization Server深度整合
Spring Authorization Server是Spring官方推出的OAuth 2.1和OpenID Connect 1.0认证服务器实现。JeecgBoot在此次升级中深度整合了该组件,实现了以下关键特性:
-
完整的OAuth2.1支持:提供了标准的授权码模式、密码模式、客户端凭证模式等多种认证流程,满足不同场景下的安全需求。
-
多租户认证增强:修复了原有版本中登录缺乏租户信息的问题,确保在多租户环境下认证信息的完整性。
-
Token管理优化:新增了手动生成Token的功能,缩短了Token长度以适配前端页面,同时优化了Redis中的序列化存储方式。
-
权限控制改进:实现了免登录注解支持,移除了权限不足时的异常堆栈输出,通过缓存机制提升了权限加载效率。
-
客户端管理工具:提供了便捷的客户端配置工具类,简化了OAuth2客户端的注册和管理流程。
关键技术问题解决
在技术升级过程中,开发团队解决了多个关键性技术难题:
-
兼容性问题处理:针对Spring Boot 3.x的环境,修复了代码生成器中的Schema注解参数问题,调整了JAXB运行时版本依赖。
-
Redis序列化优化:解决了认证信息在Redis中的序列化问题,特别是日期时间类型的正确处理,确保了会话信息的可靠存储。
-
分布式事务支持:完善了分布式事务的Demo实现,为微服务架构下的数据一致性提供了解决方案。
-
WebSocket连接修复:解决了在安全框架变更后WebSocket连接失效的问题,保证了实时通信功能的可用性。
-
安全问题修复:及时处理了CVE-2023-6378等已知问题,提升了系统的整体安全性。
开发体验优化
除了核心架构的升级,本次版本还带来了多项开发者体验的改进:
-
代码生成器增强:Online表单同步数据库功能得到修复,解决了在线开发模式下表单无法加载的问题。
-
文档生成优化:调整了自动生成接口文档的范围,使API文档更加精准和实用。
-
三方登录集成:打通了第三方登录渠道,简化了社会化登录的实现流程。
-
Docker支持:更新了Docker镜像基础为JDK 17,方便容器化部署。
-
前端兼容性:固定了vue-router的版本号,确保前端路由的稳定性。
升级建议与注意事项
对于计划升级到v3.7.3 Spring Boot 3 SAS版本的用户,需要注意以下几点:
-
必须使用JDK 17或更高版本作为运行环境,不再兼容旧版JDK。
-
原有的Shiro相关配置需要迁移到Spring Security的配置方式,特别注意权限注解的变化。
-
Redis配置需要调整以适应新的序列化方式,特别是涉及认证信息的存储结构。
-
分布式事务的实现方式有所变化,需要参考新版Demo进行调整。
-
前端项目可能需要相应调整以适应缩短后的Token格式。
JeecgBoot v3.7.3 Spring Boot 3 SAS版本的发布,标志着该项目在现代化企业级开发框架上又迈出了坚实的一步。通过拥抱Spring生态的最新成果,为开发者提供了更强大、更安全、更高效的开发体验,同时也为未来的功能扩展和技术演进奠定了坚实基础。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00