StofDoctrineExtensionsBundle日志功能升级后的用户标识处理方案
2025-07-06 03:26:04作者:齐添朝
在StofDoctrineExtensionsBundle 1.14版本中,日志功能的实现架构发生了重要变化,这直接影响了开发者自定义LoggableListener时获取用户标识的方式。本文将深入分析这一变更的技术背景,并提供两种适配方案。
架构变更解析
在1.13及之前版本中,日志监听器采用运行时注入的方式获取用户标识。这种方式存在两个显著缺陷:
- 每次请求都会触发会话访问,即使没有需要记录的操作
- 与某些运行时环境存在兼容性问题
1.14版本引入了Actor Provider模式,这是一种更优雅的依赖注入解决方案。该模式将用户标识的获取抽象为独立服务,通过明确的接口与日志监听器交互。
新旧方案对比
传统方案特点
- 通过监听器事件动态设置
$this->username - 强耦合于会话系统
- 隐式依赖运行时环境
新架构优势
- 明确的依赖关系
- 按需获取用户标识
- 更好的测试隔离性
- 支持多种认证系统
适配方案
推荐方案:实现Actor Provider
创建实现ActorProviderInterface的服务:
class SystemActorProvider implements ActorProviderInterface
{
private Security $security;
public function __construct(Security $security)
{
$this->security = $security;
}
public function getActor(): ?string
{
$user = $this->security->getUser();
return $user ? $user->getUserIdentifier() : null;
}
}
服务注册配置:
services:
App\Security\SystemActorProvider: ~
stof_doctrine_extensions.listener.loggable:
arguments:
$actorProvider: '@App\Security\SystemActorProvider'
兼容方案:保留旧模式
如需保持原有行为,可扩展原始监听器:
class LegacyLoggableListener extends LoggableListener
{
private Security $security;
public function setSecurity(Security $security)
{
$this->security = $security;
}
protected function getUsername()
{
$user = $this->security->getUser();
return $user ? $user->getUserIdentifier() : parent::getUsername();
}
}
升级建议
- 评估现有系统中日志功能的使用场景
- 新项目建议直接采用Actor Provider模式
- 复杂遗留系统可分阶段迁移:
- 先实现兼容方案保证系统运行
- 后续逐步重构为Actor Provider
- 注意测试用例的相应调整
总结
StofDoctrineExtensionsBundle 1.14的这项变更是向更健壮的架构迈进的重要一步。虽然短期可能带来适配成本,但长期来看能提高系统的可维护性和扩展性。开发者应根据项目实际情况选择合适的迁移策略,在保持系统稳定的同时享受新架构带来的优势。
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
185
196
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
480
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
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210