Umi Max 项目集成 Keycloak 认证的完整指南
前言
在现代前端开发中,认证授权是每个应用都需要考虑的重要环节。本文将详细介绍如何在 Umi Max 项目中集成 Keycloak 认证系统,实现单点登录(SSO)功能。Keycloak 是一个开源的身份和访问管理解决方案,提供了强大的认证授权功能。
准备工作
在开始集成前,请确保你已经具备以下条件:
- 已经部署好 Keycloak 服务
- 在 Keycloak 中创建了相应的 realm 和 client
- 熟悉 Umi Max 项目的基本结构
配置 Keycloak 参数
首先,我们需要创建一个配置文件来存储 Keycloak 的基本信息:
// utils/keycloak.ts
export const keycloakConfig = {
url: 'https://your-keycloak-domain.com/auth/', // Keycloak 服务地址
realm: 'sso', // 领域名称
clientId: 'mydemo_client' // 客户端ID
};
实现 SSO 登录页面
接下来,我们创建一个专门的 SSO 登录页面来处理 Keycloak 认证流程:
// pages/sso.tsx
import { keycloakConfig } from '@/utils/keycloak';
import { history } from '@umijs/max';
import Keycloak from 'keycloak-js';
import React, { useEffect, useState } from 'react';
const authInstance = new Keycloak(keycloakConfig);
const SSO: React.FC = () => {
const [kcInitialized, setKcInitialized] = useState(false);
useEffect(() => {
if (kcInitialized) {
history.push('/home');
} else {
authInstance
.init({ onLoad: 'login-required' }) // 强制登录
.then((authenticated: any) => {
if (authenticated) {
setKcInitialized(true);
// 存储认证信息
localStorage.setItem('token', authInstance.token || '');
localStorage.setItem('user_type', 'sso');
// 加载用户信息
authInstance.loadUserInfo().then((data: any) => {
localStorage.setItem('user', data.preferred_username);
history.push('/home');
window.location.reload();
});
}
})
.catch(() => {
window.location.reload();
});
}
}, []);
return <>重定向...</>;
};
export default SSO;
修改登录页面
在原有的登录页面中添加 SSO 登录选项:
<LoginForm
title="xxx demo"
onFinish={async (values: any) => {
await handleSubmit(values);
}}
actions={
<Space>
其他登录方式:{' '}
<a
onClick={async () => {
history.push('/sso');
}}
>
sso 统一登录
</a>
</Space>
}
>
纯 SSO 认证方案
如果项目不需要本地登录,可以完全依赖 Keycloak 认证,可以在 app.tsx
中直接初始化 Keycloak:
import Keycloak from "keycloak-js";
import {keycloakConfig} from "@/utils/keycloak";
const authInstance = new Keycloak(keycloakConfig);
const fetchUserInfo = async () => {
await authInstance
.init({ onLoad: 'login-required' })
.then((authenticated: any) => {
if (authenticated) {
localStorage.setItem('token', authInstance.token || '');
localStorage.setItem('user_type', 'sso');
authInstance.loadUserInfo().then((data: any) => {
localStorage.setItem('user', data.preferred_username);
});
} else {
history.push('/login');
window.location.reload();
}
})
.catch(() => {
history.push('/login');
window.location.reload();
});
return undefined;
};
export async function getInitialState(): Promise<{ token: string | null }> {
await fetchUserInfo()
const token = localStorage.getItem('token');
return { token: token};
}
关键点解析
-
Keycloak 初始化:使用
keycloak-js
库初始化 Keycloak 客户端,配置认证参数。 -
认证流程:通过
init
方法启动认证流程,onLoad: 'login-required'
参数确保用户必须登录。 -
用户信息处理:认证成功后,使用
loadUserInfo
方法获取用户信息并存储在本地。 -
状态管理:将认证令牌和用户信息存储在 localStorage 中,方便应用其他部分使用。
-
错误处理:添加了认证失败的处理逻辑,确保用户体验。
最佳实践建议
-
令牌刷新:Keycloak 令牌有过期时间,建议实现自动刷新逻辑。
-
安全存储:考虑使用更安全的存储方式替代 localStorage。
-
用户信息管理:可以封装用户信息获取逻辑,提供统一的接口。
-
多环境配置:为不同环境(开发、测试、生产)配置不同的 Keycloak 参数。
-
错误监控:添加认证错误的监控和日志记录。
总结
通过本文的介绍,我们了解了如何在 Umi Max 项目中集成 Keycloak 认证系统。无论是作为辅助登录方式还是作为主要认证手段,Keycloak 都能提供强大而灵活的身份验证解决方案。根据项目需求,可以选择合适的集成方式,并在此基础上进行扩展和优化。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









