API Platform多应用环境下Swagger文档缓存冲突问题解析
2025-05-26 01:33:06作者:滕妙奇
问题背景
在使用API Platform构建多应用系统时,开发者可能会遇到一个棘手的问题:当系统包含多个独立应用(每个应用都有自己的API文档)时,首次加载各应用的Swagger文档显示正常,但在刷新页面后,所有应用的文档会显示相同内容。
问题现象
在多应用架构中(例如基于Symfony的多内核配置),每个应用都有自己独立的API文档配置。初始状态下:
- 应用A的Swagger文档正确显示A应用的API接口
- 应用B的Swagger文档正确显示B应用的API接口
但在刷新任意一个应用的页面后:
- 所有应用的Swagger文档都会显示相同内容(通常是最后加载的那个应用的API接口)
问题根源
经过深入分析,发现问题的根源在于API Platform的缓存机制。具体表现为:
- API Platform使用
CachedResourceNameCollectionFactory来缓存资源名称集合 - 默认的缓存键生成策略没有考虑应用之间的区分
- 导致不同应用在访问Swagger文档时,可能读取到相同的缓存结果
解决方案
方案一:自定义缓存键生成策略
通过继承并重写CachedResourceNameCollectionFactory类,可以修改缓存键的生成逻辑,确保每个应用有独立的缓存空间:
namespace Shared\ApiPlatform\Metadata\Resource\Factory;
use ApiPlatform\Metadata\Resource\Factory\CachedResourceNameCollectionFactory as BaseCachedResourceNameCollectionFactory;
use Symfony\Component\HttpFoundation\RequestStack;
class CachedResourceNameCollectionFactory extends BaseCachedResourceNameCollectionFactory
{
private $requestStack;
public function __construct($cache, $decorated, RequestStack $requestStack)
{
parent::__construct($cache, $decorated);
$this->requestStack = $requestStack;
}
protected function getCacheKey(): string
{
// 添加主机名作为缓存键的一部分
$request = $this->requestStack->getCurrentRequest();
return $request ? $request->getHost().parent::getCacheKey() : parent::getCacheKey();
}
}
方案二:服务配置覆盖
在服务配置中覆盖默认的缓存工厂服务:
services:
api_platform.metadata.resource.name_collection_factory.cached:
class: Shared\ApiPlatform\Metadata\Resource\Factory\CachedResourceNameCollectionFactory
arguments:
- '@api_platform.cache.metadata.resource'
- '@api_platform.metadata.resource.name_collection_factory.cached.inner'
- '@request_stack'
实现原理
这种解决方案的核心思想是通过在缓存键中加入应用特定的标识(如主机名),确保:
- 不同应用的API文档请求会生成不同的缓存键
- 每个应用独立维护自己的API文档缓存
- 避免了缓存冲突问题
最佳实践建议
- 明确应用边界:在多应用架构中,确保每个应用有明确的域名或路径区分
- 缓存隔离:不仅API文档,其他缓存也应考虑应用隔离
- 环境区分:开发、测试、生产环境的缓存也应相互隔离
- 监控机制:建立缓存命中/失效的监控,确保缓存机制正常工作
总结
API Platform作为强大的API开发框架,在多应用环境下使用时需要注意缓存隔离问题。通过自定义缓存键生成策略,可以有效地解决Swagger文档在多应用间的冲突问题,确保每个应用能够正确显示自己的API文档。这种解决方案不仅适用于Swagger文档,也可以推广到其他需要应用隔离的缓存场景中。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.71 K
Ascend Extension for PyTorch
Python
328
384
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++
876
577
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
335
161
暂无简介
Dart
762
187
🎉 (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
1.33 K
745
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
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
135