ThingsBoard中实现跨Widget共享认证令牌的最佳实践
2025-05-12 15:38:12作者:廉皓灿Ida
在ThingsBoard平台开发自定义仪表板时,我们经常需要创建多个自定义Widget来展示不同的数据视图。当这些Widget都需要访问后端API获取数据时,如何高效地管理认证令牌(token)就成为一个值得关注的问题。
认证令牌的基本原理
ThingsBoard采用基于JWT(JSON Web Token)的认证机制。当用户成功登录后,系统会生成一个加密的访问令牌,这个令牌会被存储在浏览器的localStorage中,键名为"jwt_token"。默认情况下,这个令牌有一定的有效期(通常为24小时),过期后需要重新获取。
常见问题分析
许多开发者会遇到这样的场景:在多个自定义Widget中都需要调用后端API获取数据,于是每个Widget都独立实现了一套获取令牌的逻辑。这种做法会导致:
- 重复的令牌获取请求
- 不必要的性能开销
- 潜在的令牌不一致风险
- 代码冗余和维护困难
最佳实践解决方案
方案一:直接使用ThingsBoard内置服务
ThingsBoard已经为Widget提供了完善的数据访问服务,开发者无需手动处理令牌问题。例如:
// 获取设备的时间序列数据
self.ctx.attributeService.getEntityTimeseries(
entityType,
entityId,
keys,
startTs,
endTs,
limit,
agg,
orderBy,
useStrictDataTypes
);
这些内置服务会自动处理认证问题,包括令牌的获取、刷新等全部流程。
方案二:使用HTTP服务代理
如果需要调用自定义API端点,可以使用ThingsBoard提供的HTTP服务代理:
// GET请求示例
self.ctx.http.get('/api/custom/endpoint');
// POST请求示例
self.ctx.http.post('/api/custom/endpoint', payload);
// DELETE请求示例
self.ctx.http.delete('/api/custom/endpoint');
注意API路径必须以"/api"开头,这样HTTP服务会自动附加当前用户的认证令牌。
方案三:直接访问localStorage(不推荐)
虽然技术上可行,但不建议直接操作localStorage:
const token = localStorage.getItem('jwt_token');
这种方法绕过了ThingsBoard的安全机制,可能导致令牌管理不一致,且无法享受自动刷新的便利。
性能优化建议
- 减少API调用:合理设计Widget,合并数据请求
- 使用缓存:对不常变化的数据实施本地缓存
- 批量查询:尽可能使用批量查询接口减少请求次数
- 合理设置轮询间隔:避免过于频繁的数据刷新
总结
在ThingsBoard开发中,最佳实践是充分利用平台提供的内置服务,而不是自行处理认证令牌。这不仅能保证安全性,还能简化代码、提高性能。对于特殊需求,可以使用HTTP服务代理,它同样会自动处理认证问题。直接操作令牌应该是最后的选择,且需要谨慎处理。
通过遵循这些实践,开发者可以创建出高效、安全且易于维护的ThingsBoard仪表板应用。
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 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
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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
325
🔥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
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
492