SpiffWorkflow项目中使用基于路径的路由配置指南
2025-06-19 18:40:40作者:翟萌耘Ralph
前言
在现代Web应用部署中,合理的路由配置对于系统架构至关重要。本文将详细介绍如何在SpiffWorkflow项目中配置基于路径的路由策略,帮助开发者在单一域名下优雅地部署前后端服务。
为什么需要基于路径的路由
在传统部署方案中,前后端分离应用通常采用不同的子域名部署,例如:
- 前端:frontend.example.com
- 后端:backend.example.com
但这种方案存在Cookie共享问题。由于浏览器安全策略限制,跨子域名的Cookie访问会受到限制,而SpiffWorkflow的后端服务需要设置Cookie供前端读取。
基于路径的路由方案则能完美解决这个问题,它允许我们在同一域名下部署前后端服务:
- 前端:spiff.example.com
- 后端:spiff.example.com/api
配置步骤详解
1. 前端配置
在前端环境中,需要设置路由策略为基于路径的模式:
SPIFFWORKFLOW_FRONTEND_RUNTIME_CONFIG_APP_ROUTING_STRATEGY=path_based
2. 后端配置
后端服务需要知晓完整的访问路径,以下是关键环境变量配置:
# 前端访问地址
SPIFFWORKFLOW_BACKEND_URL_FOR_FRONTEND=https://spiff.example.com
# 后端API基础地址
SPIFFWORKFLOW_BACKEND_URL=https://spiff.example.com/api
# OpenID服务器地址(开发环境示例,生产环境请勿使用)
SPIFFWORKFLOW_BACKEND_OPEN_ID_SERVER_URL=https://spiff.example.com/api/openid
# 连接器代理地址(集群内部DNS)
SPIFFWORKFLOW_BACKEND_CONNECTOR_PROXY_URL=http://spiffworkflow-connector:8004
3. 路径前缀处理
SpiffWorkflow后端API设计遵循特定路径规范,它期望接收的请求路径格式为/v1.0/status而非/api/v1.0/status。因此,我们需要处理路径前缀问题。
方案一:代理重写
在反向代理层(如Nginx、Apache)配置路径重写规则,将/api/v1.0/status重写为/v1.0/status后再转发给后端服务。
方案二:WSGI路径前缀配置
如果无法在代理层进行路径重写,可以通过以下环境变量告知后端服务路径前缀:
SPIFFWORKFLOW_BACKEND_WSGI_PATH_PREFIX=/api
此配置将:
- 作为WSGI的
SCRIPT_NAME参数 - 在路由前自动移除指定的路径前缀
- 确保后端生成的URL仍包含
/api前缀
WSGI技术背景
WSGI(Web Server Gateway Interface)是Python Web应用与Web服务器之间的标准接口。常见的WSGI实现包括:
- Gunicorn(Green Unicorn)
- uWSGI
- mod_wsgi(Apache模块)
- CherryPy
在SpiffWorkflow项目中,正确配置WSGI路径前缀对于基于路径的路由策略至关重要。
生产环境建议
- 安全考虑:生产环境中不建议使用内置的OpenID服务器,应配置专业的身份认证服务
- 连接器代理:尽可能使用集群内部DNS地址,确保网络通信安全高效
- HTTPS:所有外部访问都应启用HTTPS加密
- 负载均衡:考虑在代理层实现负载均衡以提高系统可用性
总结
通过基于路径的路由配置,我们可以在单一域名下优雅地部署SpiffWorkflow前后端服务,解决Cookie共享问题,同时保持系统的可维护性和扩展性。正确理解并配置路径前缀处理是方案成功的关键所在。
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
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
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
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
377
3.32 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
620
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