JEECG-Boot中实现数据权限隔离的配置方法
2025-05-03 12:38:53作者:邓越浪Henry
概述
在JEECG-Boot 3.7.1版本中,实现数据权限隔离是一个常见的业务需求。本文将以商品表为例,详细介绍如何配置系统,使普通用户只能看到自己创建的数据,而管理员可以查看所有数据。
数据权限隔离的应用场景
在实际业务系统中,数据权限隔离是一个基本的安全需求。例如:
- 业务员只能查看自己录入的客户资料
- 服务人员只能处理自己负责的工作单
- 部门主管只能查看本部门的业务数据
在JEECG-Boot框架中,通过内置的数据权限功能可以轻松实现这类需求。
具体配置步骤
1. 确认表结构
首先确保你的商品表中包含创建人字段(通常为create_by),该字段会记录数据的创建者信息。
2. 进入数据权限配置
- 登录系统管理员账号
- 进入"系统管理"菜单
- 选择"数据权限"功能模块
3. 创建数据权限规则
-
点击"新增"按钮创建新规则
-
填写规则基本信息:
- 规则名称:如"商品数据权限"
- 规则编码:自定义唯一标识
- 规则类型:选择"按创建人过滤"
-
配置权限条件:
- 选择"商品表"作为目标表
- 设置条件表达式:
create_by = #{sys_user_code} - 其中
#{sys_user_code}是系统变量,会自动替换为当前用户账号
4. 分配权限规则
- 创建完成后,进入"角色管理"
- 为普通用户角色分配刚创建的数据权限规则
- 管理员角色不需要分配此规则,保持默认即可
实现原理
JEECG-Boot的数据权限功能基于以下技术实现:
- SQL拦截:框架会在执行SQL查询前,自动根据配置的规则修改查询条件
- 变量替换:系统内置变量如
#{sys_user_code}会在运行时替换为实际值 - 权限合并:当用户拥有多个角色时,系统会智能合并各角色的数据权限规则
高级配置选项
除了基本的创建人过滤外,JEECG-Boot还支持更复杂的数据权限配置:
- 部门数据隔离:用户可以查看本部门及下属部门的数据
- 自定义SQL条件:编写复杂的SQL表达式实现特殊过滤逻辑
- 多条件组合:通过AND/OR逻辑组合多个过滤条件
注意事项
- 确保测试环境验证配置效果后再部署到生产环境
- 对于性能敏感的表,建议在相关字段上建立索引
- 数据权限规则修改后,可能需要清除缓存才能生效
- 复杂的权限规则可能会影响查询性能,需做好平衡
通过以上配置,JEECG-Boot可以轻松实现用户只能查看自己创建数据的需求,同时保持管理员的全数据访问权限。这种机制既保证了数据安全,又简化了开发工作。
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