Hasura GraphQL Engine 跨数据源权限控制问题解析
2025-05-04 06:29:18作者:柏廷章Berta
问题背景
在使用Hasura GraphQL Engine时,开发者遇到了一个关于跨数据源权限控制的特殊问题。具体场景涉及PostgreSQL和ClickHouse两个数据库之间的数据关联和权限验证。
技术场景
系统架构中包含:
- PostgreSQL数据库中的用户表(public.user)和设备表(public.device)
- ClickHouse数据库中的设备性能表(device_performance)
需求是在ClickHouse数据源中设置权限,要求只有当PostgreSQL中的相应用户是超级用户时,才能访问设备性能数据。
问题现象
开发者尝试使用Hasura的_exists权限操作符来实现这一需求,但遇到了以下问题:
- 在UI界面中可以选择PostgreSQL的用户表,但无法显示该表的字段
- 尝试保存权限配置时出现解析错误:"parsing TableName failed, expected String, but encountered Object"
- 相同的权限配置在PostgreSQL数据源内部可以正常工作
技术分析
经过深入分析,发现这是Hasura权限系统的一个设计限制:
_exists操作符只能用于同一数据源内的表关联验证,不支持跨数据源的表存在性检查- 对于跨数据源的权限验证,正确的做法是使用远程关联(remote relationship)直接进行字段比较
- UI界面的行为存在一定误导性,允许选择跨数据源表但不显示字段,这可能导致开发者误解
解决方案
针对此类跨数据源权限验证需求,推荐以下两种实现方式:
- 使用远程关联进行权限过滤:
filter:
remote_relationship_name:
_and:
- auth_uid:
_eq: X-Hasura-User-Id
- is_super_user:
_eq: true
- 数据同步方案:
- 在ClickHouse中创建用户表的副本
- 通过ETL流程保持数据同步
- 然后使用常规的
_exists权限检查
最佳实践建议
-
在设计跨数据库权限系统时,应优先考虑数据源内部的权限验证机制
-
对于必须跨数据源的场景,建议评估业务需求是否可以通过以下方式解决:
- 数据聚合服务层
- 自定义GraphQL解析器
- 业务逻辑微服务
-
特别注意ClickHouse这类特殊数据库与Hasura的集成限制,评估是否适合直接通过GraphQL暴露所有功能
总结
Hasura GraphQL Engine提供了强大的权限控制能力,但在跨数据源场景下存在特定限制。开发者需要理解这些限制并选择适当的技术方案。对于复杂的跨数据库查询和权限需求,可能需要结合其他技术栈共同实现。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
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++
664
319
🎉 (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
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
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
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868