Krabs: 多租户Next.js应用程序的Express/Fastify中间件安装与使用指南
2024-09-22 08:29:58作者:薛曦旖Francesca
1. 项目目录结构及介绍
Krabs是一个旨在支持多租户架构的Node.js中间件,专为基于Express.js或Fastify的Next.js应用设计。以下是典型的项目结构示例及其组件说明:
krabs-app/
├── node_modules/ # 依赖包存放目录(npm或yarn安装后自动生成)
├── package.json # 项目配置文件,包括依赖和脚本命令
├── yarn.lock OR package-lock.json # 依赖版本锁定文件
├── krabs.js 或 krabs.config.js # Krabs配置文件,定义不同网站租户
├── next.config.js # Next.js的配置文件,可选,用于定制Next.js行为
├── public/ # 静态资源文件夹
├── pages/ # Next.js页面路由存放处
│ ├── _app.js # 全局App组件,共享逻辑
│ ├── _document.js # 自定义HTML文档逻辑
│ ├── website-1/ # 第一个租户的页面
│ │ └── index.js # 租户1的主页
│ └── website-2/ # 第二个租户的页面
│ └── index.js # 租户2的主页
├── src/ # 若有,自定义应用源代码
├── index.js # 启动服务器的主入口文件
└── README.md # 项目说明文档
说明:
krabs.js或krabs.config.js: 包含了租户的配置信息,如不同环境下的域名映射等。index.js: 应用程序的启动点,集成Krabs中间件。
2. 项目的启动文件介绍
index.js 示例:
const express = require('express');
const next = require('next');
const krabs = require('krabs'); // 对于Express.js
// 如果是Fastify则应引入 fastify-krabs
const dev = process.env.NODE_ENV !== 'production';
const app = next({ dev });
const handle = app.getRequestHandler();
async function startServer() {
try {
await app.prepare();
const server = express(); // 或使用fastify替代
// 配置Krabs中间件处理请求
server.get('*', (req, res) => krabs(req, res, handle, app));
// 启动服务
server.listen(3000, (err) => {
if (err) throw err;
console.log(`> Ready on http://localhost:3000`);
});
} catch (ex) {
console.error(ex.stack);
process.exit(1);
}
}
startServer();
在Fastify中,启动逻辑相似,只是引入和配置方式稍有差异。
3. 项目的配置文件介绍
krabs.js 示例:
module.exports = [
{
tenants: [
{
name: 'website-1',
domains: [
{
development: '/dev*[a-z]*\.local\.website-1\.com/',
staging: 'stage.website-1.com',
production: 'website-1.com',
},
],
},
{
name: 'website-2',
domains: [
{
development: 'local.website-2.com',
staging: 'stage.website-2.com',
production: '[\\w|\\d|-|_]+\.website-2.com',
},
],
},
],
},
];
配置文件定义了多个租户及其对应的开发、预发布和生产环境的域名。每个租户的内容可以根据实际需求进行调整。
至此,通过上述三个关键部分的设置,您可以配置并运行一个支持多站点的Next.js应用,利用Krabs实现虚拟主机的管理和多租户逻辑。记得在本地环境中设置hosts以映射不同的域名到您的开发机IP地址,以便测试不同租户的页面。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
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
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217