Wujie微前端中子应用跨域请求的解决方案
2025-06-13 05:44:57作者:翟萌耘Ralph
问题背景
在使用Wujie微前端框架时,当主应用和子应用运行在不同端口(即不同源)的情况下,子应用中使用axios发起的HTTP请求会遇到跨域问题。这是一个典型的微前端环境下的网络请求挑战。
问题分析
跨域问题产生的原因在于浏览器同源策略的限制。在Wujie架构中:
- 主应用运行在localhost:port1
- 子应用运行在localhost:port2
- 当子应用中的axios尝试向主应用域发送请求时,浏览器会阻止这种跨域请求
有趣的是,使用window.fetch却能成功,这是因为fetch API默认不会发送某些可能导致跨域问题的头部信息,而axios可能会携带更多信息触发CORS检查。
解决方案
方案一:使用绝对路径
在子应用中,判断当前是否运行在Wujie环境下,如果是则使用主应用的绝对路径作为请求基础URL:
const baseURL = window.__POWERED_BY_WUJIE__
? `${window.location.protocol}//${window.location.host}`
: '/api';
const instance = axios.create({
baseURL
});
这种方法简单直接,适用于主应用代理所有API请求的场景。
方案二:主应用代理请求
配置主应用作为所有API请求的代理:
- 在主应用的服务器配置中添加反向代理规则
- 将所有子应用的API请求转发到实际的后端服务
- 这样子应用的所有请求都会经过主应用,避免了跨域问题
方案三:CORS配置
如果后端服务支持,可以在后端服务中添加适当的CORS头部:
Access-Control-Allow-Origin: *
Access-Control-Allow-Methods: GET, POST, PUT, DELETE
Access-Control-Allow-Headers: Content-Type
这种方法需要后端配合,适合前后端完全分离的架构。
最佳实践建议
- 开发环境:建议采用主应用代理的方式,统一管理所有API请求
- 生产环境:
- 如果子应用和主应用部署在同一域名下,使用相对路径即可
- 如果必须跨域,考虑使用CORS或JSONP等方案
- 安全考虑:无论采用哪种方案,都要注意CSRF防护,建议使用CSRF Token
总结
Wujie微前端框架中子应用的跨域请求问题有多种解决方案,开发者可以根据实际项目需求选择最适合的方式。理解浏览器同源策略和微前端的运行机制,能够帮助我们更好地设计前后端交互方案。
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
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
182
196
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
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
274
94
暂无简介
Dart
623
140
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
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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