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
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
658
4.26 K
Ascend Extension for PyTorch
Python
503
607
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++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
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
390
285
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (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
1.54 K
892
昇腾LLM分布式训练框架
Python
142
168