GraphQL.NET 授权工具集最佳实践指南
1. 项目介绍
graphql-dotnet-authorization 是一个为 GraphQL.NET 提供授权支持的开源工具集。它允许开发者在 GraphQL 的类型和字段级别上进行细粒度的访问控制,通过集成策略(Policy)来管理权限。这个项目填补了 GraphQL.NET 在授权方面的空白,使得开发者可以在不牺牲灵活性的前提下,确保应用程序的安全性。
2. 项目快速启动
安装
首先,确保你已经安装了 GraphQL.NET 和必要的依赖项。
dotnet add package GraphQL.Authorization
配置
在你的依赖注入容器中注册授权类,通常在 AddGraphQL 扩展方法中的 IGraphQLBuilder 上调用 AddAuthorization。
services.AddGraphQL(options =>
{
options.Enable.setDataLoader = true;
options.ExposeExceptions = true;
})
.AddAuthorization()
.AddGraphTypes(typeof(Program).Assembly);
使用策略
在 AuthorizationSettings 中添加策略,并使用 AuthorizeWithPolicy 扩展方法或 AuthorizeAttribute 属性应用策略到 GraphType 或 Field。
public class MyType : ObjectGraphType
{
public MyType()
{
this.AuthorizeWithPolicy("AdminPolicy");
Field<StringGraphType>("name")
.AuthorizeWithPolicy("SomePolicy");
}
}
权限验证
AuthorizationValidationRule 将运行并基于注册的策略验证权限。
app.UseGraphQL<ISchema>();
app.UseGraphQLAuthorization(new AuthorizationValidationRule());
3. 应用案例和最佳实践
授权策略
定义自定义的授权策略,以满足特定业务需求。
public class MyCustomRequirement : IAuthorizationRequirement
{
// 实现授权需求逻辑
}
授权属性
在 schema-first 的语法中,使用 AuthorizeAttribute 属性为类型、方法或属性添加授权策略。
[Authorize("MyPolicy")]
public class MutationType
{
[Authorize("AnotherPolicy")]
public async Task<string> CreateSomething(MyInput input)
{
// 实现方法逻辑
}
[Authorize("SuperPolicy")]
public string SomeProperty => Guid.NewGuid().ToString();
}
安全实践
确保所有的 GraphQL 类型和字段都有合适的授权策略,防止未授权访问。
4. 典型生态项目
在 GraphQL.NET 生态中,graphql-dotnet-authorization 可以与 graphql-dotnet-server 结合使用,以构建完整的 ASP.NET Core 集成的 GraphQL 服务。通过这种方式,开发者可以利用 ASP.NET Core 的认证和授权框架,实现更细粒度的安全控制。
以上是 graphql-dotnet-authorization 的最佳实践指南,通过遵循这些步骤,开发者可以构建安全且高效的 GraphQL 服务。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00