JeecgBoot项目中Shiro双重过滤导致的性能问题分析
2025-05-02 07:23:42作者:姚月梅Lane
问题背景
在JeecgBoot 3.7.1版本中,部分用户反馈系统运行效率较低,请求处理时间过长。通过性能分析发现,某些请求的处理时间达到了300毫秒以上,这明显超出了正常范围。
问题根源
经过深入排查,发现这是由于Shiro安全框架被配置了双重过滤器导致的:
- DelegatingFilterProxy:Spring提供的标准过滤器代理
- ShiroFilterFactoryBean:Shiro自身的过滤器工厂
这种双重配置导致每个请求实际上被Shiro安全框架处理了两次,造成了不必要的性能开销。
技术原理分析
在Spring Boot集成Shiro的典型配置中,通常只需要配置其中一个过滤器即可:
- DelegatingFilterProxy:这是Spring提供的通用过滤器代理,它会将过滤逻辑委托给Spring容器中定义的过滤器bean
- ShiroFilterFactoryBean:这是Shiro提供的专用过滤器工厂,它会创建并配置Shiro的过滤器链
当两者同时存在时,会导致:
- 请求首先被DelegatingFilterProxy拦截并处理
- 然后又被ShiroFilterFactoryBean创建的过滤器链再次处理
- 所有安全校验逻辑(如权限验证、会话管理等)都会执行两次
解决方案
最简单的解决方案是注释掉其中一个过滤器的配置。根据JeecgBoot的实际情况,推荐保留ShiroFilterFactoryBean的配置,而注释掉DelegatingFilterProxy的配置。
性能影响
通过修复这个问题,可以带来显著的性能提升:
- 减少约50%的Shiro相关处理时间
- 降低系统CPU使用率
- 提高系统整体吞吐量
最佳实践建议
- 在集成安全框架时,应仔细检查过滤器的配置,避免重复
- 使用性能分析工具定期检查请求处理链路
- 对于关键业务接口,建议进行基准测试
- 升级到最新版本的JeecgBoot,该问题已在后续版本中修复
总结
Shiro双重过滤配置是Spring Boot项目中常见的一个性能陷阱。通过理解Shiro和Spring过滤机制的工作原理,开发者可以避免这类问题,构建更高效的应用程序。JeecgBoot团队已经在新版本中修复了这个问题,建议用户及时升级以获得最佳性能体验。
登录后查看全文
热门项目推荐
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
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0227- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01- IinulaInula(发音为:[ˈɪnjʊlə])意为旋覆花,有生命力旺盛和根系深厚两大特点,寓意着为前端生态提供稳固的基石。openInula 是一款用于构建用户界面的 JavaScript 库,提供响应式 API 帮助开发者简单高效构建 web 页面,比传统虚拟 DOM 方式渲染效率提升30%以上,同时 openInula 提供与 React 保持一致的 API,并且提供5大常用功能丰富的核心组件。TypeScript05
热门内容推荐
最新内容推荐
BongoCat性能优化:从交互卡顿到丝滑体验的技术实践OpCore Simplify技术指南:零基础构建稳定黑苹果系统的完整方案JarkViewer:多格式图片浏览与专业处理的轻量解决方案提升数字书写效率的5款必备应用:从痛点到解决方案告别云端依赖:本地语音识别的革命性解决方案VirtualApp从入门到精通:Android沙盒技术实战指南开源工具赋能老旧设备:OpenCore Legacy Patcher系统升级全指南企业内网环境下的服务器管理平台搭建:宝塔面板v7.7.0离线部署全攻略革命性突破:Dexter如何通过自主智能代理重塑金融研究效率工具当Vite遇上微前端:90%开发者都会踩的3个技术坑与vite-plugin-qiankun解决方案
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
629
4.15 K
Ascend Extension for PyTorch
Python
468
565
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++
931
825
暂无简介
Dart
877
209
🎉 (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
1.5 K
855
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
185
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
131
191
昇腾LLM分布式训练框架
Python
138
162
🔥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
69
21