Dio项目中刷新令牌机制的最佳实践
2025-05-18 13:02:48作者:庞眉杨Will
概述
在使用Dio进行网络请求时,处理401未授权错误并实现令牌刷新机制是保证应用安全性的重要环节。本文将通过分析一个典型问题案例,深入讲解如何在Dio中正确实现令牌刷新功能。
问题背景
开发者在实现Dio拦截器时遇到了令牌刷新API无响应的问题。核心代码中,当收到401错误时尝试使用刷新令牌获取新的访问令牌,但发现刷新令牌的API调用没有返回预期的响应数据。
关键问题分析
- 拦截器循环调用:原代码使用同一个Dio实例进行令牌刷新请求,这会导致拦截器递归调用,形成死循环。
- 响应处理不完整:刷新令牌后的新令牌没有正确应用到后续请求中。
- 并发控制不足:多个并行请求同时触发令牌刷新时缺乏有效控制。
解决方案
1. 使用独立Dio实例
必须创建一个不包含拦截器的独立Dio实例专门用于刷新令牌请求,避免递归调用问题。
final Dio _refreshTokenDio = Dio()
..options = _dio.options
..interceptors.clear();
2. 完善令牌刷新逻辑
在拦截器中实现完整的令牌刷新流程:
@override
Future onError(DioException err, ErrorInterceptorHandler handler) async {
if (err.response?.statusCode == 401) {
if (!_isRefreshing) {
_isRefreshing = true;
try {
final newToken = await _refreshToken();
if (newToken != null) {
// 更新请求头并重试
err.requestOptions.headers['Authorization'] = 'Bearer $newToken';
final response = await _dio.fetch(err.requestOptions);
return handler.resolve(response);
}
} finally {
_isRefreshing = false;
}
} else {
// 等待正在进行的刷新完成
await _refreshCompleter?.future;
final response = await _dio.fetch(err.requestOptions);
return handler.resolve(response);
}
}
return handler.next(err);
}
3. 并发控制机制
使用Completer和标志位控制并发刷新请求:
bool _isRefreshing = false;
Completer<void>? _refreshCompleter;
Future<String?> _refreshToken() async {
try {
final refreshToken = await _getRefreshToken();
final response = await _refreshTokenDio.post(
'/refresh-token',
data: {'refreshToken': refreshToken},
);
if (response.statusCode == 200) {
final newToken = response.data['token'];
await _saveNewToken(newToken);
_refreshCompleter?.complete();
return newToken;
}
} catch (e) {
_refreshCompleter?.completeError(e);
_logoutUser();
return null;
}
}
最佳实践建议
- 令牌存储安全:使用flutter_secure_storage等安全存储方案保存令牌
- 错误处理:考虑令牌失效时的用户重定向逻辑
- 日志记录:添加详细的调试日志帮助排查问题
- 性能优化:实现令牌预刷新机制,避免用户等待
- 测试覆盖:编写单元测试验证各种令牌失效场景
总结
实现健壮的令牌刷新机制需要考虑多个方面:避免递归调用、正确处理并发请求、完善错误处理等。通过创建独立的Dio实例、使用Completer控制并发以及实现完整的令牌更新流程,可以构建出稳定可靠的认证系统。
在实际项目中,还需要结合具体业务需求进行适当调整,例如添加令牌黑名单处理、支持多设备登录等高级功能。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
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
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617