Salvo框架中OpenAPI安全认证的配置与使用
2025-06-19 07:19:10作者:廉皓灿Ida
概述
在Salvo框架中配置OpenAPI的安全认证是一个常见的需求,特别是当我们需要为API接口添加统一的认证机制时。本文将详细介绍如何在Salvo项目中正确配置OpenAPI的安全认证方案,包括安全架构的定义和安全要求的应用。
安全架构定义
在Salvo中,我们可以通过OpenApi构建器来定义安全架构。以下是一个典型的示例,展示了如何添加两种常见的安全认证方案:
let open_api = OpenApi::new("test api", "0.0.1")
.add_security_scheme(
"device-id",
SecurityScheme::ApiKey(ApiKey::Header(ApiKeyValue::with_description(
"device-id",
&"设备唯一标识".to_string(),
))),
)
.add_security_scheme(
"authorization",
SecurityScheme::ApiKey(ApiKey::Header(ApiKeyValue::with_description(
"authorization",
&"JWT认证令牌".to_string(),
))),
);
这段代码定义了两个安全方案:
device-id:通过HTTP头部传递的设备IDauthorization:通过HTTP头部传递的JWT令牌
路由级别的安全要求
在Salvo的最新版本中,我们可以通过路由级别的配置来统一应用安全要求,而不需要为每个端点单独设置。这是通过oapi_securities方法实现的:
let security_requirements = vec![
SecurityRequirement::new("authorization", Vec::<String>::new().into_iter()),
SecurityRequirement::new("device-id", Vec::<String>::new().into_iter())
];
let router = Router::with_path("api")
.oapi_securities(security_requirements)
.push(/* 其他路由 */);
这种配置方式会使得该路由及其所有子路由都继承这些安全要求,大大简化了大规模API的安全配置工作。
端点级别的安全要求
如果需要对特定端点进行更细粒度的控制,也可以在端点级别使用#[endpoint]宏来指定安全要求:
#[endpoint(security(("device-id" = [], "authorization" = [])))]
async fn protected_endpoint(req: &mut Request) {
// 端点逻辑
}
认证数据的持久化
在Swagger UI中,默认情况下认证数据不会在页面刷新后保留。如果需要保持认证状态,可以配置Swagger UI使用持久化认证:
SwaggerUi::new("/api-doc/openapi.json")
.config(Config::new().persist_authorization(true))
.into_router("ui")
最佳实践
- 统一配置:对于大多数API,推荐在路由级别统一配置安全要求,保持一致性
- 描述清晰:为每个安全方案添加明确的描述,方便API使用者理解
- 适当持久化:根据安全需求决定是否启用认证持久化
- 分层设计:可以将不同安全级别的API放在不同的路由下,分别配置安全要求
通过以上方法,开发者可以灵活地为Salvo项目中的OpenAPI接口配置各种安全认证方案,既保证了安全性,又提供了良好的开发者体验。
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-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
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
Ascend Extension for PyTorch
Python
173
193
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
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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