Sa-Token v1.43.0 发布:SSO 单设备注销与消息推送机制全面升级
项目简介
Sa-Token 是一款轻量级 Java 权限认证框架,主要解决登录认证、权限认证、单点登录、OAuth2.0、分布式会话等常见权限控制问题。其设计简洁、API 友好,支持快速集成到各类 Java 项目中。最新发布的 v1.43.0 版本带来了多项重要功能增强,特别是在单点登录(SSO)和 OAuth2 方面的能力提升尤为显著。
核心功能增强
本次更新中,Sa-Token 在核心模块引入了多项实用功能:
-
精细化注销控制:新增的
SaLogoutParameter支持通过deviceId参数实现指定设备的精准注销,这在多设备登录场景下特别有用。 -
HTTP 请求处理模块:新增的
SaHttpTemplate模块为开发者提供了统一的 HTTP 请求处理能力,简化了与外部服务的交互过程。 -
TOTP 增强:TOTP(基于时间的一次性密码)功能增加了
issuer字段支持,提高了双因素认证的安全性。 -
注解鉴权扩展:
@SaCheckOr注解新增append字段,支持动态抓取未预先定义的注解类型进行批量鉴权,大大提升了权限控制的灵活性。
单点登录(SSO)重大升级
SSO 模块在本版本中获得了多项关键性改进:
-
单设备注销能力:解决了多设备登录场景下的精细化控制问题,现在可以精确控制只注销特定设备的会话,而不影响用户在其他设备上的登录状态。
-
消息推送机制:新增的消息推送功能为系统间通信提供了标准化方案,特别适合分布式环境下的状态同步需求。
-
客户端精细化配置:通过新增的
clients配置项,可以为每个客户端单独配置授权信息,实现了更细粒度的权限管理。 -
匿名客户端支持:新增的
allowAnonClient配置项允许系统支持匿名客户端访问,为特殊业务场景提供了更多可能性。 -
策略模式增强:新增的
convertCenterIdToLoginId和convertLoginIdToCenterId策略函数,解决了认证中心与本地系统用户标识转换的标准化问题。
OAuth2 功能强化
OAuth2 模块在本版本中同样获得了多项重要更新:
-
自动授权确认:新增的
isAutoConfirm配置项允许应用自动确认授权,简化了用户操作流程。 -
多令牌并存:支持多
Access-Token、多Refresh-Token和多Client-Token并存,解决了同一用户多设备同时访问时的令牌管理问题。 -
策略模式优化:将认证流程回调从配置类转移到策略类,提高了代码的可扩展性和可维护性。
-
用户授权检查:新增的
userAuthorizeClientCheck策略提供了用户与应用授权关系的自定义检查能力。
插件生态扩展
Sa-Token 的插件生态在本版本中得到了进一步丰富:
-
新增 HTTP 客户端插件:
sa-token-forest和sa-token-okhttps插件分别整合了 Forest 和 OkHttps 两个流行的 HTTP 客户端。 -
模块拆分优化:将 API Key 和 API Sign 功能拆分为独立插件包,提高了模块的独立性和可维护性。
-
序列化改进:修复了多个插件中的序列化问题,提升了系统的稳定性和兼容性。
文档与示例完善
本次更新还包含了大量文档和示例的改进:
-
新增离线文档:方便开发者在无网络环境下查阅。
-
新增示例项目:包括 SSE 鉴权示例、ReSdk 模式对接示例和匿名应用模式对接示例等。
-
文档内容优化:对 SSO 和 OAuth2 章节进行了全面梳理,增加了更多实用场景的说明和示例。
总结
Sa-Token v1.43.0 版本在功能丰富性、使用便捷性和系统稳定性方面都取得了显著进步。特别是 SSO 模块的单设备注销和消息推送机制,以及 OAuth2 模块的多令牌并存能力,为开发者处理复杂业务场景提供了更多可能性。这些改进使得 Sa-Token 在权限控制领域的竞争力进一步提升,值得开发者关注和升级。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00