Ash项目中的多租户模式与跨资源过滤问题解析
2025-07-08 22:39:01作者:霍妲思
在开发多租户应用时,正确处理数据隔离是至关重要的。Ash框架作为一个强大的Elixir资源框架,提供了完善的多租户支持机制。本文将深入分析一个在多租户环境下出现的跨资源过滤问题及其解决方案。
问题背景
在多租户架构中,我们通常需要确保每个租户的数据完全隔离。Ash框架通过PostgreSQL的schema机制实现了这一功能。然而,当开发者尝试在非多租户资源(如User)和多租户资源(如Group、Permission)之间建立关联并进行跨资源过滤时,遇到了一个关键问题。
问题重现
假设我们有以下资源模型:
- User(非多租户)
- Group(多租户)
- Permission(多租户)
- UserGroup(关联表)
- GroupPermission(关联表)
当开发者执行如下查询时:
User
|> Ash.Query.filter(id == ^user.id)
|> Ash.Query.filter(groups.permissions.name == ^action_type)
|> Ash.Query.filter(groups.permissions.resource == ^resource)
|> Ash.exists?(tenant: "company_1", authorize?: false)
系统错误地尝试在public schema中查找多租户资源表(如user_groups、groups等),而不是使用指定的租户schema(company_1)。
问题本质
这个问题揭示了Ash SQL适配器在处理跨资源过滤时的不足:
- 当查询从非多租户资源开始,但涉及多租户资源的关联时
- 系统未能正确传播租户上下文到所有关联的多租户资源
- 导致所有表引用都默认使用public schema
解决方案
Ash团队在ash_sql 0.2.47版本中修复了这个问题。修复后的行为:
- 正确处理从非多租户资源开始的查询
- 在涉及多租户资源的关联路径上正确应用租户schema
- 保持非多租户资源继续使用public schema
最佳实践
为避免类似问题,开发者应该:
- 明确标记每个资源的multitenancy配置
- 测试跨资源查询在不同租户下的行为
- 考虑查询性能,特别是在复杂的跨资源过滤场景中
- 保持Ash框架及其相关依赖的最新版本
总结
多租户应用中的数据隔离是系统设计的关键部分。Ash框架通过持续改进解决了这个跨资源过滤的schema处理问题,为开发者提供了更可靠的多租户支持。理解这类问题的本质有助于开发者在复杂场景下构建更健壮的应用架构。
登录后查看全文
热门项目推荐
相关项目推荐
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
177
195
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
270
93
暂无简介
Dart
623
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
378
3.33 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
621
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