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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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