RuoYi-Vue-Pro项目CRM模块下属合同查询问题分析与修复
2025-05-05 14:22:44作者:邓越浪Henry
问题背景
在RuoYi-Vue-Pro项目的CRM模块中,存在一个关于下属合同查询的功能缺陷。当管理员用户尝试查看下属创建的合同时,系统无法正确返回查询结果。这个问题影响了CRM模块中所有涉及查看下属数据的相关功能。
问题分析
通过分析系统执行的SQL查询语句,我们可以清晰地看到问题的根源:
SELECT COUNT(*) AS total
FROM crm_contract t
INNER JOIN crm_permission t1
ON t1.biz_type = 5
AND t1.biz_id = t.id
AND t1.user_id = 130
AND t1.deleted = 0
WHERE t.deleted = 0 AND (t.owner_user_id IN (131, 132) AND t.owner_user_id IS NOT NULL)
在这个查询中,存在两个关键条件:
- 通过
INNER JOIN连接权限表,要求权限表中的user_id必须等于当前管理员用户ID(130) - 在WHERE子句中,又要求合同的所有者ID(
owner_user_id)必须是下属用户ID(131或132)
这两个条件实际上是相互矛盾的,因为合同的所有者不可能是管理员自己(130)同时又属于下属用户(131或132)。这种逻辑冲突导致了查询结果为空。
问题影响范围
这个问题不仅影响合同查询功能,还影响了CRM模块中所有使用相同数据权限处理逻辑的功能。具体表现为:
- 管理员无法查看下属创建的合同
- 部门主管无法查看部门成员的业务数据
- 所有基于"查看下属数据"权限的功能都可能受到影响
解决方案
针对这个问题,正确的解决方案应该是:
- 修改数据权限过滤逻辑,确保管理员可以查看下属的数据
- 在权限验证部分,应该只检查管理员是否有权限查看数据,而不应该限制数据的所有者
- 对于下属数据的查询,应该只基于组织结构关系,而不需要额外的权限验证
修复后的查询逻辑应该类似于:
SELECT COUNT(*) AS total
FROM crm_contract t
WHERE t.deleted = 0
AND t.owner_user_id IN (下属用户ID列表)
技术实现建议
在实现这类数据权限控制时,建议采用以下模式:
- 对于管理员用户,直接基于组织结构关系查询下属数据
- 对于普通用户,才需要严格的权限验证
- 将数据权限控制逻辑抽象为独立的服务组件
- 实现灵活的数据权限策略,支持不同级别的访问控制
总结
数据权限控制是企业级应用中的常见需求,也是容易出错的复杂功能点。在RuoYi-Vue-Pro项目中发现的这个下属合同查询问题,提醒我们在实现类似功能时需要注意:
- 权限验证逻辑与业务数据过滤逻辑的分离
- 不同角色用户的数据访问策略差异
- 查询条件的逻辑一致性检查
- 功能影响的全面评估
通过修复这个问题,不仅解决了CRM模块的具体功能缺陷,也为项目中其他类似的数据权限控制场景提供了参考解决方案。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
635
🎉 (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
1.06 K
614
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
195
71
仓颉编程语言测试用例。
Cangjie
36
634