SpringDoc OpenAPI 中 Swagger UI 多路径访问问题的分析与解决
2025-06-24 09:03:41作者:郜逊炳
问题背景
在 SpringDoc OpenAPI 项目中,当通过不同的上下文路径访问 Swagger UI 时,会出现初始化失败的问题。这个问题特别容易在反向代理场景下复现,例如当应用同时通过直接访问和代理访问两种方式提供服务时。
问题现象
开发人员发现,当通过以下两种顺序访问 Swagger UI 时会出现问题:
- 先通过反向代理访问(如
http://localhost:80/service/**),再直接访问后端服务(如http://localhost:8080/**)时,第二次访问会失败 - 先直接访问后端服务,再通过反向代理访问时,同样第二次访问会失败
根本原因分析
经过深入排查,发现问题出在 SwaggerIndexPageTransformer 类的实现上。这个类会初始化一个单例的 SwaggerUiConfigParameters,并通过 swaggerWelcomeCommon.buildFromCurrentContextPath(request) 方法来设置 configUrl。
关键问题在于:
- 第一次请求时的上下文路径会被缓存
- 后续请求即使使用不同的上下文路径,仍然会使用缓存的配置
- 浏览器最终会尝试从一个错误的 URL 加载配置
并发问题
在初步修复后,测试发现还存在并发场景下的问题。当多个请求同时使用不同的上下文路径访问时:
SwaggerIndexPageTransformer.swaggerWelcomeCommon被多个请求共享- 每个请求都会修改这个共享对象
- 导致返回的配置信息可能混合了不同请求的路径信息
解决方案
项目维护者经过多次迭代,最终通过以下方式解决了问题:
- 移除了对
SwaggerUiConfigParameters的单例依赖 - 确保每次请求都能独立计算正确的路径
- 解决了并发场景下的路径混淆问题
技术要点
这个问题的解决涉及到几个重要的技术点:
- 上下文路径处理:正确处理反向代理添加的前缀
- 线程安全:确保共享对象在多线程环境下的正确性
- 配置隔离:保证每个请求都能获取到基于自己上下文路径的正确配置
最佳实践
对于使用 SpringDoc OpenAPI 的开发者,建议:
- 在反向代理场景下,确保正确配置
X-Forwarded-Prefix头部 - 及时更新到包含此修复的版本
- 在复杂部署环境下,充分测试不同访问路径下的 Swagger UI 行为
这个问题及其解决方案展示了在实际开发中如何处理路径重写和并发访问的常见挑战,为类似场景提供了有价值的参考。
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
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217