JimuReport积木报表配置预览账号的最佳实践
2025-06-01 00:34:17作者:邓越浪Henry
概述
在企业报表系统中,通常需要实现不同用户角色的权限分离。JimuReport积木报表作为一款优秀的报表工具,提供了灵活的权限控制机制,可以实现管理员创建报表、普通用户仅预览报表的业务场景。
核心配置方案
要实现管理员搭建报表、访客用户仅预览的功能,可以通过以下配置实现:
-
生产模式配置: 在配置文件中设置
lowCodeMode: prod,该配置会关闭在线报表设计功能,确保只有具有特定权限的用户才能进行编辑操作。 -
角色权限分配:
- 为管理员账号分配"管理员"或"开发者"角色,拥有报表设计权限
- 为访客用户分配"查看者"角色,仅具备报表预览权限
-
报表访问控制:
- 管理员创建的报表可以设置可见范围
- 访客用户登录后只能看到被授权的报表列表
详细实现步骤
1. 配置文件修改
在application.yml或application.properties配置文件中添加:
jimu:
report:
lowCodeMode: prod
2. 用户角色管理
通过JimuReport的用户管理界面:
- 创建"报表查看者"角色
- 为该角色分配"报表查看"权限
- 将访客用户账号关联到此角色
3. 报表权限设置
管理员在设计报表时:
- 完成报表设计后保存
- 在报表管理界面设置该报表的可见角色
- 勾选"报表查看者"角色使其可见
进阶配置建议
- 自定义角色:可以根据企业需求创建更细粒度的角色,如"部门报表查看者"等
- 数据权限:结合数据行级权限控制,实现不同用户看到不同数据
- 界面定制:对预览用户的界面进行简化,隐藏不必要的功能按钮
注意事项
- 配置修改后需要重启服务生效
- 生产环境下建议定期备份报表设计
- 对于敏感数据报表,建议额外配置数据权限
通过以上配置,企业可以轻松实现报表系统的权限分离,既保证了报表设计的专业性,又确保了数据安全性和访问可控性。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
677
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146