JeecgBoot项目积木BI预览设计问题排查与解决方案
2025-05-02 19:46:20作者:翟江哲Frasier
问题背景
在JeecgBoot 3.7.1版本中,当项目部署到生产环境后,积木报表功能可以正常使用,但积木BI模块在点击设计或预览仪表板/大屏时出现接口请求不通的问题。该问题特别出现在通过Nginx反向代理访问的场景下,而直接访问后端服务端口则功能正常。
问题现象
- 积木报表功能正常访问,URL格式为:
/dentao-api/jmreport/index/报表ID - 积木BI设计/预览功能异常,URL格式为:
/dentao-api/drag/index?pageId=页面ID - 直接访问后端服务端口(如34567)时功能正常
- 通过Nginx代理访问时,积木BI设计预览功能失效
技术分析
Nginx代理配置问题
原始Nginx配置中使用了以下设置:
location /dentao-api {
proxy_pass http://127.0.0.1:34567/dentao-api;
proxy_redirect off;
proxy_set_header X-Forwarded-Scheme $scheme;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "upgrade";
}
问题出在proxy_set_header Host $host这一行配置上。该配置会导致后端服务接收到的Host头部不包含端口信息,而积木BI模块在处理设计/预览请求时,可能依赖完整的Host信息(包含端口)来构建返回的URL地址。
问题本质
积木BI模块在设计/预览功能中,会生成包含完整URL的响应。当Nginx代理不传递端口信息时:
- 后端服务无法得知客户端实际访问的端口
- 生成的响应URL中端口信息缺失(默认为80端口)
- 前端获取的URL与实际访问URL不一致
- 导致后续请求发送到错误的地址
解决方案
修改Nginx配置,在Host头部中包含端口信息:
proxy_set_header Host $host:$server_port;
这一修改确保:
- 后端服务能获取到客户端实际访问的端口
- 积木BI生成的响应URL包含正确的端口信息
- 前端后续请求能正确发送到代理地址
深入理解
Nginx代理与Host头部
在HTTP反向代理中,Host头部扮演着重要角色:
- 标识客户端实际请求的主机和端口
- 影响后端服务生成的绝对URL
- 对于需要重定向或生成链接的应用至关重要
JeecgBoot积木BI的特殊性
积木BI模块相比积木报表:
- 更依赖完整的URL信息来构建设计器环境
- 可能使用了更多绝对路径的API调用
- 设计预览功能涉及复杂的前后端交互
最佳实践建议
- 在生产环境部署时,始终测试代理前后的功能一致性
- 对于需要生成URL的后端应用,确保代理传递完整的Host信息
- 考虑使用以下Nginx配置组合:
proxy_set_header Host $host:$server_port; proxy_set_header X-Forwarded-Host $host:$server_port; proxy_set_header X-Forwarded-Port $server_port; - 对于复杂的前后端分离应用,建议在前端配置中明确指定API基础URL
总结
JeecgBoot项目中积木BI模块的设计预览功能在生产环境下的异常,本质上是由于Nginx代理配置不完整导致的URL生成问题。通过调整Host头部的传递方式,包含端口信息,可以完美解决这一问题。这提醒我们在部署复杂Web应用时,需要特别注意代理配置对应用行为的影响,特别是当应用涉及URL生成和重定向时。
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
最新内容推荐
操作系统概念第六版PDF资源全面指南:适用场景与使用教程 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
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