ABP框架中OpenAPI定义意外暴露审计日志设置组件的问题解析
2025-05-17 16:46:28作者:仰钰奇
问题背景
在使用ABP框架(版本9.0.3)开发应用时,开发者在集成Scalar作为Swagger替代方案时发现了一个异常现象:OpenAPI定义文件中意外暴露了一个内部API端点/api/audit-logging/settings-widgets/audit-log-setting-group。这个端点属于ABP框架的审计日志功能模块,本不应该出现在对外提供的API文档中。
技术分析
该问题源于ABP框架8.2版本引入的AuditLogSettingGroupViewComponent视图组件。虽然这个组件本身是框架内部使用的功能,但由于缺少适当的API隐藏标记,导致它出现在了OpenAPI/Swagger文档中。
在ABP框架中,控制器默认会被OpenAPI/Swagger扫描并包含在API文档中,除非显式地标记为忽略。对于内部API,通常有以下几种隐藏方式:
- 使用
[ApiExplorerSettings(IgnoreApi = true)]属性 - 设置
[RemoteService(false)]属性 - 在Swagger配置中设置过滤器
解决方案
ABP框架团队已经确认这是一个问题,并在后续版本中修复。对于当前遇到此问题的开发者,有两种临时解决方案:
方案一:覆盖控制器
开发者可以创建自己的控制器类,继承自AuditLoggingSettingsWidgetController,并添加忽略标记:
[Route("api/audit-logging/settings-widgets")]
[RemoteService(false)]
[ApiExplorerSettings(IgnoreApi = true)]
public class AuditLoggingSettingsWidgetController : AbpController
{
[HttpGet]
[Route("audit-log-setting-group")]
public IActionResult GetAuditLogSettingGroup()
{
return ViewComponent(typeof(AuditLogSettingGroupViewComponent));
}
}
方案二:等待官方更新
ABP框架团队已经确认将在下一个版本中修复此问题,开发者也可以选择升级到包含修复的版本。
最佳实践建议
- API可见性管理:对于内部API,始终明确标记为不公开
- 版本升级检查:升级框架版本后,应检查API文档是否有异常变化
- 组件隔离:将内部组件与对外API明确分离,避免意外暴露
总结
这个案例展示了在框架开发中API可见性管理的重要性。ABP框架团队快速响应并修复了这个问题,体现了框架的成熟度和维护质量。对于开发者而言,了解如何控制API的可见性也是构建安全、整洁的API文档的重要技能。
登录后查看全文
热门项目推荐
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-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
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++
639
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
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
469
Ascend Extension for PyTorch
Python
149
175
暂无简介
Dart
604
135
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
227
81
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
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310