JeecgBoot多线程调用微服务时的Token传递问题解析
2025-05-02 18:14:03作者:裘旻烁
问题背景
在JeecgBoot 3.6.0版本中,开发者在使用线程池异步调用其他微服务时遇到了身份认证失败的问题。具体表现为:主线程可以正常调用systemApi获取用户信息,但在子线程中调用同样的接口却提示"Token无效"。
问题本质
这个问题本质上是一个典型的微服务架构中的上下文传递问题。在Spring Cloud微服务架构中,认证信息通常通过请求头中的Token进行传递。当使用多线程时,线程间的上下文信息(包括认证Token)不会自动传递,导致子线程调用服务时丢失了认证信息。
技术原理
JeecgBoot基于Spring Cloud实现微服务架构,其认证流程如下:
- 用户登录后,前端会获取一个JWT Token
- 后续请求中,Token会被放在请求头中传递
- 服务间调用时,Feign客户端会自动携带当前请求的Token
- 被调用服务通过拦截器验证Token的有效性
在多线程场景下,由于线程切换会导致ThreadLocal中的上下文信息丢失,因此子线程中的Feign调用无法获取到主线程的Token信息。
解决方案
方案一:手动传递Token
在创建子线程前,先获取当前线程的Token,然后在子线程中手动设置:
String token = RequestContextHolder.getRequestAttributes().getToken();
ThreadPoolTaskExecutor taskExecutor = new ThreadPoolTaskExecutor();
taskExecutor.execute(() -> {
RequestContextHolder.setToken(token);
LoginUser user = systemApi.getUserById("10076211");
String username = user.getUsername();
});
方案二:使用Hystrix线程隔离策略
如果项目使用了Hystrix,可以配置Hystrix使用信号量隔离策略,这样就不会创建新线程:
hystrix:
command:
default:
execution:
isolation:
strategy: SEMAPHORE
方案三:自定义Feign拦截器
创建一个自定义的Feign拦截器,在子线程中手动注入Token:
public class CustomFeignInterceptor implements RequestInterceptor {
@Override
public void apply(RequestTemplate template) {
String token = RequestContextHolder.getToken();
if (StringUtils.isNotBlank(token)) {
template.header("Authorization", token);
}
}
}
最佳实践建议
- 对于频繁的异步服务调用,建议使用方案三,统一处理Token传递
- 在微服务架构中,尽量避免在业务代码中直接使用多线程调用其他服务
- 考虑使用消息队列(MQ)来实现异步服务调用,解耦服务间的直接依赖
- 对于必须使用多线程的场景,确保所有必要的上下文信息都正确传递
总结
JeecgBoot微服务架构中的Token传递问题是一个典型的线程上下文传递问题。理解Spring Cloud的认证机制和线程模型是解决这类问题的关键。通过合理的架构设计和代码实现,可以确保在多线程环境下也能正确地进行服务间认证。
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869