AWS Amplify 在 Next.js 14 中间件中的认证性能优化实践
2025-05-24 21:56:26作者:冯梦姬Eddie
背景介绍
在现代 Web 应用开发中,认证功能是保障应用安全性的重要环节。AWS Amplify 作为 AWS 提供的开发工具集,为开发者提供了便捷的认证解决方案。然而,在 Next.js 14 的中间件中使用 Amplify 的认证功能时,开发者可能会遇到性能瓶颈问题。
问题现象
许多开发者在使用 Next.js 14 中间件集成 AWS Amplify 认证时,发现 fetchAuthSession 函数的调用耗时异常,每次调用需要 300-350 毫秒甚至更长。这种延迟直接影响了页面路由的响应速度,导致用户体验下降。
技术分析
fetchAuthSession 函数在 Next.js 中间件中的执行流程包含以下几个关键步骤:
- 令牌验证:验证客户端发送的令牌是否由 Cognito 用户池签发
- 令牌刷新:当客户端令牌过期时自动刷新
- 凭证获取:如果配置了 Cognito 身份池,则获取 AWS 凭证
其中第一步的令牌验证过程需要从 Cognito 用户池端点获取 JWKs(JSON Web Key Set),而这一步骤存在一个已知的性能问题:JWKs 被过度频繁地获取,造成了不必要的延迟。
解决方案
AWS Amplify 团队已经识别并修复了这个问题。修复的核心思路是优化 JWKs 的获取机制,避免重复请求。具体改进包括:
- 缓存优化:实现了更智能的 JWKs 缓存策略
- 请求减少:避免了不必要的网络请求
- 性能提升:显著降低了认证过程的延迟
实际效果
经过测试验证,在应用了修复后的版本中:
- 中间件中
fetchAuthSession的调用时间从约 300ms 降至 50ms 以下 - 页面路由响应速度明显提升
- 用户体验得到显著改善
最佳实践建议
对于需要在 Next.js 中间件中使用 AWS Amplify 认证的开发者,建议:
- 确保使用最新版本的 Amplify 库(6.11.0 及以上)
- 如果不需要使用 AWS 凭证,可以不配置身份池以减少不必要的操作
- 合理设计认证流程,避免过度依赖中间件的实时验证
总结
AWS Amplify 团队对认证性能问题的快速响应和有效解决,展示了其对开发者体验的重视。通过这次优化,Next.js 开发者可以更高效地在中间件中集成 Amplify 认证功能,同时保持良好的应用性能。随着 AWS Amplify 的持续改进,我们可以期待更多性能优化和功能增强,为开发者提供更优质的服务。
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。C038
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TSX0118
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
434
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++
694
366
Ascend Extension for PyTorch
Python
240
272
暂无简介
Dart
693
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
React Native鸿蒙化仓库
JavaScript
269
328
🔥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
65
19
🎉 (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
1.22 K
673
仓颉编译器源码及 cjdb 调试工具。
C++
138
869