Jeecg-Boot项目中Shiro双重过滤导致性能问题的分析与解决
2025-05-02 20:06:44作者:袁立春Spencer
问题背景
在Jeecg-Boot 3.7.1版本中,用户反馈系统运行效率较慢,经过排查发现请求处理过程中存在明显的性能瓶颈。通过性能分析工具捕获的截图显示,Shiro相关的权限校验操作被重复执行了两次,每次校验耗时约100多毫秒,两次校验累计导致300多毫秒的额外开销。
问题原因分析
深入分析后发现,这是由于Spring Boot项目中同时配置了两种Shiro过滤器导致的:
- DelegatingFilterProxy:Spring提供的标准过滤器代理,用于将Servlet容器的过滤器生命周期委托给Spring应用上下文中定义的bean
- ShiroFilterFactoryBean:Shiro框架提供的过滤器工厂bean,用于创建Shiro的安全过滤器链
这两种过滤器都被配置并生效,导致每个请求实际上被Shiro安全框架处理了两次,造成了不必要的性能损耗。
解决方案
解决此问题的方法很简单:只需在配置文件中注释掉其中一种过滤器的配置即可。根据项目实际情况,推荐保留ShiroFilterFactoryBean的配置,而注释掉DelegatingFilterProxy的配置。
技术原理详解
Shiro在Spring Boot中的集成方式
Shiro与Spring Boot集成时,通常有两种主要方式:
-
通过ShiroFilterFactoryBean:
- 这是Shiro原生的集成方式
- 通过FactoryBean创建过滤器链
- 提供了更细粒度的控制
-
通过DelegatingFilterProxy:
- 这是Spring提供的通用方式
- 将Servlet过滤器委托给Spring管理的bean
- 更符合Spring的编程模型
为什么双重配置会导致性能问题
当两种配置同时存在时,请求处理流程如下:
- 请求首先被DelegatingFilterProxy捕获
- DelegatingFilterProxy将请求交给Shiro过滤器处理(第一次权限校验)
- 请求继续被ShiroFilterFactoryBean创建的过滤器链处理(第二次权限校验)
- 最终到达业务控制器
这种双重过滤不仅增加了不必要的权限校验开销,还可能导致其他潜在问题,如会话管理异常等。
最佳实践建议
- 统一使用ShiroFilterFactoryBean:这是Shiro推荐的集成方式,提供了更完整的Shiro特性支持
- 性能监控:建议在项目中集成APM工具,如SkyWalking或Prometheus,以便及时发现类似性能问题
- 配置审查:在项目启动时,可以添加配置校验逻辑,确保不会出现重复的安全过滤器配置
- 权限缓存:对于性能敏感的应用,可以考虑增强Shiro的缓存配置,减少权限校验的数据库查询
总结
Jeecg-Boot项目中出现的Shiro双重过滤问题是一个典型的配置不当导致的性能问题。通过理解Shiro与Spring Boot的集成原理,我们可以避免类似的配置错误。在实际项目中,建议开发团队建立配置规范,并对关键组件的配置进行评审,以确保系统性能最优。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C037
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0115
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
433
3.29 K
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++
689
352
Ascend Extension for PyTorch
Python
237
271
暂无简介
Dart
690
162
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
仓颉编程语言运行时与标准库。
Cangjie
143
881
React Native鸿蒙化仓库
JavaScript
266
327
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
211
115
仓颉编译器源码及 cjdb 调试工具。
C++
138
869