JeecgBoot项目中积木BI端口号丢失问题的分析与解决
问题背景
在使用JeecgBoot 3.7.2大屏版(集成JimuBI 1.9.1)时,开发人员遇到了一个关于API请求URL的特殊问题。当通过积木BI点击"新建"或"设计"大屏时,系统生成的API请求URL会丢失端口号,而积木report模块却能正常发起API请求。
问题现象分析
该问题主要表现为两种异常情况:
-
端口号丢失问题:积木BI生成的API请求URL中缺少了应有的端口号信息,导致请求无法正确发送到后端服务。而积木report模块生成的URL则包含了完整的端口号信息,功能正常。
-
自定义路径配置问题:当尝试按照文档配置customPrePath参数后,积木BI和积木report的网页访问都出现了异常。生成的URL格式变为"https://xxx.xxx.com:18006/erp/erp/xxxxx",这种重复路径的格式显然不正确。
技术原因探究
经过深入分析,发现该问题主要源于以下几个方面:
-
版本兼容性问题:JimuBI 1.9.1版本在处理反向代理和自定义上下文路径(context-path)时存在缺陷,特别是在Nginx配置SSL和端口转发的情况下。
-
路径拼接逻辑缺陷:积木BI模块在生成API请求URL时,未能正确处理自定义的context-path("/erp"),导致端口号丢失或路径重复拼接。
-
前后端分离架构的配置差异:前端运行在10086端口(公网)/8006端口(内网),后端运行在8007端口,这种复杂的端口映射关系增加了URL生成的复杂度。
解决方案
针对这一问题,开发团队提供了以下解决方案:
-
升级组件版本:将积木report和积木BI都升级到1.9.3版本。新版本已经修复了相关路径处理和端口拼接的问题。
-
简化部署架构:建议避免使用复杂的context-path映射,改为直接配置域名映射后台接口的方式,这能有效减少路径处理的复杂度。
-
配置优化:对于必须使用自定义路径的场景,可以参考官方文档中关于自定义业务包的配置方法,但需要注意版本兼容性。
经验总结
通过这一问题的解决过程,我们可以得出以下经验:
-
在复杂的网络环境(如Nginx反向代理+SSL+多端口)下部署JeecgBoot时,应特别注意各组件的版本兼容性。
-
自定义context-path虽然提供了灵活性,但也增加了配置的复杂度,在非必要情况下建议保持默认配置。
-
及时升级到最新稳定版本是解决许多兼容性问题的有效途径,但升级前应充分测试确保业务连续性。
-
对于企业级应用,建议建立完善的测试环境,模拟生产环境的网络拓扑结构,提前发现并解决此类配置问题。
这一案例也提醒我们,在微服务架构和前后端分离的现代应用开发中,URL生成和路径处理看似简单,实则包含许多需要注意的技术细节,需要开发人员给予足够重视。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00