JeecgBoot项目中积木BI设计页面加载失败问题解析
2025-05-02 05:37:57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
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