Ash项目中的多租户模式与跨资源过滤问题解析
2025-07-08 18:57:26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
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
223
246
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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++
135
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
218