JeecgBoot项目积木BI预览设计问题排查与解决方案
2025-05-02 15:44:43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
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
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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++
660
308
🔥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
64
19
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
879