RuoYi-Vue-Pro项目中用户类型扩展的实践与思考
2025-05-04 10:28:57作者:苗圣禹Peter
背景介绍
在基于RuoYi-Vue-Pro框架开发企业级管理系统时,经常会遇到需要扩展用户类型的场景。框架默认提供了ADMIN(管理员)和MEMBER(普通成员)两种基础用户类型,通过请求路径前缀(如/admin-api)自动识别用户类型。但在实际业务中,这种简单的二元划分往往无法满足复杂的业务需求。
现有机制分析
RuoYi-Vue-Pro框架通过WebFrameworkUtils.getLoginUserType()方法实现用户类型识别,其核心逻辑是基于请求路径的前缀匹配:
- 访问路径包含"/admin-api"前缀时,识别为ADMIN类型
- 其他情况识别为MEMBER类型
这种设计虽然简单直接,但在需要支持多种用户角色的系统中就显得不够灵活。例如需要支持供应商(SUPPLIER)这类特殊用户时,现有的机制就无法直接满足需求。
扩展方案探讨
方案一:数据库扩展法
通过在部门表、用户表中增加userType字段来标记用户类型,实现数据隔离:
-
优点:
- 实现简单直接
- 数据隔离清晰
- 易于维护和查询
-
挑战:
- 需要修改现有表结构
- 需要处理历史数据迁移
- 权限控制逻辑需要相应调整
方案二:路径匹配扩展法
通过扩展WebProperties.getApi().getController()配置,实现基于包路径的用户类型识别:
-
优点:
- 保持框架原有设计思路
- 不需要修改数据库结构
- 配置相对集中
-
挑战:
- 需要维护复杂的路径映射关系
- 不够直观,维护成本较高
- 可能产生路径冲突
方案三:混合实现法
结合上述两种方案的优点:
- 保留路径前缀识别机制作为基础
- 增加基于数据库的用户类型字段
- 实现灵活的多级权限控制
最佳实践建议
基于项目经验,推荐采用以下扩展方案:
-
数据库层面:
- 在用户表中添加user_type字段
- 使用枚举定义所有用户类型(ADMIN,MEMBER,SUPPLIER等)
- 建立用户-角色-权限的标准RBAC模型
-
框架扩展:
- 重写WebFrameworkUtils.getLoginUserType()方法
- 实现基于Token解析的多类型识别
- 保留路径前缀作为备用识别机制
-
权限控制:
- 使用注解式权限控制
- 实现基于用户类型的动态数据过滤
- 建立统一的数据权限拦截器
实现示例
// 用户类型枚举定义
public enum UserType {
ADMIN(1, "管理员"),
MEMBER(2, "普通用户"),
SUPPLIER(3, "供应商");
// 省略实现细节
}
// 扩展的用户类型识别逻辑
public class CustomUserTypeResolver {
public static UserType resolve(HttpServletRequest request) {
// 1. 尝试从Token中解析用户类型
UserType type = parseFromToken(request);
if(type != null) {
return type;
}
// 2. 回退到路径前缀识别
if(request.getRequestURI().startsWith("/admin-api")) {
return UserType.ADMIN;
} else if(request.getRequestURI().startsWith("/supplier-api")) {
return UserType.SUPPLIER;
}
// 3. 默认返回MEMBER
return UserType.MEMBER;
}
private static UserType parseFromToken(HttpServletRequest request) {
// Token解析实现
}
}
总结
在RuoYi-Vue-Pro项目中扩展用户类型时,需要综合考虑框架设计、业务需求和系统可维护性。推荐采用基于Token解析为主、路径前缀识别为辅的方案,配合数据库中的用户类型字段,实现灵活的多角色支持。这种方案既保持了框架原有的简洁性,又能满足复杂的业务场景需求。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
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
12
1
🔥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
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
340
405
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
openEuler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。
C
336
178