AWS Amplify 中实现 AppSync Events 的 SSR 认证方案解析
2025-05-24 07:50:23作者:董斯意
背景介绍
在基于 AWS Amplify 构建的 React/Next.js 应用中,开发者经常需要处理两种不同的认证场景:客户端渲染(CSR)和服务器端渲染(SSR)。特别是在使用 AppSync Events API 时,传统的客户端认证方式与 SSR 认证模式存在兼容性问题。
核心挑战
AppSync Events API 基于 WebSocket 协议,通常需要在客户端直接建立连接。当应用采用 SSR 认证(使用 HTTP-only cookie)时,由于浏览器安全限制,客户端 JavaScript 无法直接访问这些 cookie,导致无法直接在客户端完成认证流程。
解决方案架构
经过社区讨论和技术验证,我们总结出一套可行的解决方案架构:
- 服务器端 Token 获取:创建一个安全的 API 端点,专门用于获取当前会话的访问令牌
- 客户端 Token 注入:通过 Amplify 的自定义 tokenProvider 机制,将服务器获取的令牌注入到 AppSync Events 客户端
实现细节
服务器端实现
在 Next.js 应用中创建一个受保护的 API 路由,用于安全地获取当前用户的访问令牌:
// API路由实现
import { NextResponse } from "next/server"
import { cookies } from "next/headers"
import { fetchAuthSession } from "aws-amplify/auth/server"
export async function GET() {
try {
const session = await runWithAmplifyServerContext({
nextServerContext: { cookies },
operation: (contextSpec) => fetchAuthSession(contextSpec),
})
if (!session.tokens?.accessToken) {
return NextResponse.json({ error: "Unauthorized" }, { status: 401 })
}
return NextResponse.json({
accessToken: session.tokens.accessToken.toString(),
})
} catch (error) {
console.error("获取令牌失败:", error)
return NextResponse.json({ error: "服务器错误" }, { status: 500 })
}
}
客户端配置
在需要使用 AppSync Events 的客户端组件中,配置 Amplify 使用自定义令牌提供器:
// 客户端配置
Amplify.configure(
{
API: {
Events: {
endpoint: `https://events.example.com/event`,
region: 'us-east-1',
defaultAuthMode: "userPool",
},
},
},
{
Auth: {
tokenProvider: {
getTokens: async () => {
const res = await fetch("/api/cognito-token")
const { accessToken } = await res.json()
return {
accessToken: decodeJWT(accessToken),
}
},
},
},
},
)
安全注意事项
- API 端点保护:确保令牌获取端点的访问受到严格限制,仅允许认证用户访问
- 令牌有效期:考虑令牌刷新机制,避免使用过期令牌
- 错误处理:实现完善的错误处理流程,包括令牌获取失败时的降级方案
方案优势
- 保持 SSR 优势:继续使用 HTTP-only cookie 的安全特性
- 兼容现有架构:无需改变现有的认证流程
- 灵活性:可根据业务需求调整令牌获取逻辑
适用场景
该方案特别适合以下应用场景:
- 主要使用 SSR 但需要部分客户端实时功能的应用
- 对安全性要求较高,必须使用 HTTP-only cookie 的项目
- 已经基于 Amplify 构建但需要扩展实时功能的应用
总结
通过这种服务器端令牌获取+客户端注入的方案,开发者可以在保持 SSR 认证优势的同时,实现 AppSync Events API 的集成。这种架构既满足了安全需求,又提供了必要的实时功能支持,是混合渲染应用的理想选择。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥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
68
20
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
12
1
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
376
446
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1