Ash项目中的多租户计数问题分析与解决
2025-07-08 17:21:51作者:郜逊炳
问题背景
在Ash框架的最新版本更新中,开发者发现了一个关于多租户(Multitenancy)功能的异常行为。具体表现为:当使用Ash.count函数对启用了多租户功能的资源进行计数操作时,即使明确指定了tenant参数,系统仍然会抛出TenantRequired错误。
问题现象
开发者在使用Ash 3.4.44版本时遇到了以下问题:
- 执行类似
Foo |> Ash.count(tenant: input.tenant)的代码时,系统错误地认为没有提供租户信息 - 回退到Ash 3.4.43版本后问题消失
- 错误表现为
Ash.Error.Invalid.TenantRequired异常,提示"Queries against the resource require a tenant to be specified"
技术分析
多租户机制原理
Ash框架的多租户功能是通过在查询和变更操作中强制要求指定tenant参数来实现的。这一机制确保了数据隔离,防止不同租户间的数据混淆。
问题根源
通过分析Ash核心测试用例,可以确认:
- 在Ash 3.4.44版本中,
Ash.count函数在处理多租户资源时存在缺陷 - 即使明确传递了tenant参数,系统仍无法正确识别
- 这一问题影响了所有基于tenant的聚合操作
影响范围
该问题会影响所有满足以下条件的应用:
- 使用Ash 3.4.44版本
- 启用了多租户功能
- 使用
Ash.count或其他聚合函数进行查询
解决方案
临时解决方案
目前可行的临时解决方案是:
- 将Ash版本降级至3.4.43
- 等待官方发布修复版本
长期解决方案
开发团队需要:
- 修复
Ash.count函数对tenant参数的处理逻辑 - 确保所有聚合操作都能正确识别显式传递的tenant参数
- 加强相关测试用例,防止类似问题再次发生
最佳实践建议
对于使用Ash多租户功能的开发者,建议:
- 在升级Ash版本前,充分测试多租户相关功能
- 为关键的多租户操作编写测试用例
- 关注Ash项目的更新日志,特别是关于多租户功能的变更
总结
Ash框架3.4.44版本中出现的多租户计数问题是一个典型的版本兼容性问题。通过分析可以确认问题出在tenant参数的传递和处理逻辑上。开发者应当注意版本控制,并在生产环境中谨慎升级。对于框架维护者而言,这提示需要加强相关功能的测试覆盖率,特别是对于多租户这种核心功能。
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
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218