JEECG-Boot中实现数据权限隔离的配置方法
2025-05-03 12:31:00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
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219