JeecgBoot项目中积木BI设计页面加载失败问题解析
2025-05-02 19:13:15作者:宣利权Counsellor
问题背景
在JeecgBoot 3.7.2版本中,用户反馈积木BI设计页面加载失败的问题。具体表现为:积木报表功能正常,BI菜单可以打开,但点击设计按钮后页面白屏。经过分析,发现问题的根源在于前端请求地址配置不当。
问题现象分析
-
正常功能:
- 积木报表所有功能正常
- 积木BI菜单可以正常打开
-
异常表现:
- 点击设计按钮后页面白屏
- 控制台显示请求失败
- 关键请求
queryById使用了错误的地址
技术原理
在JeecgBoot项目中,前后端分离架构下,前端请求地址的配置至关重要。VITE_GLOB_DOMAIN_URL是Vite构建工具中定义的环境变量,用于指定后端API的基础地址。
问题原因
-
配置不当:
- 用户将VITE_GLOB_DOMAIN_URL配置为Nginx服务器地址
- 但实际应该直接指向后端服务地址
-
请求路径处理:
- 积木BI设计页面的
queryById请求直接使用了VITE_GLOB_DOMAIN_URL - 没有正确处理Nginx反向代理后的路径
- 积木BI设计页面的
-
架构限制:
- JeecgBoot不支持通过目录路径方式的反向代理
- 需要独立的域名或子域名配置
解决方案
-
正确配置VITE_GLOB_DOMAIN_URL:
- 应该直接配置后端服务的真实地址
- 而不是Nginx的反向代理地址
-
Nginx配置调整:
- 为BI服务配置独立的子域名
- 避免使用路径方式的反向代理
-
环境变量设置:
- 生产环境确保VITE_GLOB_DOMAIN_URL指向正确的后端API地址
- 开发环境可以保持默认的localhost配置
最佳实践建议
-
环境隔离:
- 为不同服务配置独立的域名或子域名
- 避免路径冲突和混淆
-
配置管理:
- 区分开发、测试和生产环境的配置
- 使用环境变量管理敏感配置
-
架构设计:
- 遵循JeecgBoot推荐的部署架构
- 避免自定义非标准配置方式
总结
JeecgBoot项目中积木BI设计页面加载失败的问题,核心在于前端请求地址的配置方式不符合项目要求。通过正确配置VITE_GLOB_DOMAIN_URL指向后端服务地址,并采用独立的域名而非路径方式的反向代理,可以有效解决此类问题。这提醒我们在使用开源项目时,需要仔细阅读官方文档,遵循推荐的配置方式,才能确保系统各功能模块正常工作。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
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
477
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
375
3.22 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
615
140
🔥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
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258