JeecgBoot项目中Shiro重复过滤导致性能问题的分析与解决
2025-05-02 08:06:05作者:申梦珏Efrain
在JeecgBoot 3.7.1版本中,部分开发者反馈系统运行效率较低,经过排查发现是由于Shiro安全框架被重复配置导致请求被处理两次,每次处理耗时约100多毫秒,两次处理累计达到300毫秒,严重影响了系统性能。
问题根源分析
该问题的根本原因是Spring Boot应用中同时配置了两种Shiro过滤器:
- DelegatingFilterProxy:这是Spring提供的标准过滤器代理,用于将Servlet容器的过滤器生命周期委托给Spring应用上下文中定义的bean
- ShiroFilterFactoryBean:这是Apache Shiro提供的过滤器工厂bean,用于创建和管理Shiro的安全过滤器链
这两种配置方式实际上是等价的,都是用来将Shiro的安全机制集成到Web应用中。当两者同时存在时,每个HTTP请求都会被Shiro安全框架处理两次,造成了不必要的性能开销。
解决方案
解决这个问题的方法非常简单:只需注释掉其中一种配置即可。根据JeecgBoot的标准实践,建议保留ShiroFilterFactoryBean的配置,而注释掉DelegatingFilterProxy的配置。
在配置文件中,应该确保不会出现类似以下的重复配置:
// 应该注释掉的配置
@Bean
public FilterRegistrationBean delegatingFilterProxy(){
FilterRegistrationBean filterRegistrationBean = new FilterRegistrationBean();
DelegatingFilterProxy proxy = new DelegatingFilterProxy();
proxy.setTargetFilterLifecycle(true);
proxy.setTargetBeanName("shiroFilter");
filterRegistrationBean.setFilter(proxy);
return filterRegistrationBean;
}
// 保留的配置
@Bean("shiroFilter")
public ShiroFilterFactoryBean shiroFilterFactoryBean(...) {
// Shiro配置内容
}
性能优化建议
除了解决这个重复过滤的问题外,对于使用Shiro的项目,还可以考虑以下性能优化措施:
- 缓存配置:合理配置Shiro的缓存策略,特别是认证和授权信息的缓存
- 会话管理:优化会话管理配置,避免不必要的会话持久化操作
- 过滤器链:精简Shiro的过滤器链,只保留必要的安全过滤器
- 并发控制:合理配置并发会话控制参数
总结
在Spring Boot项目中集成安全框架时,配置的简洁性和明确性非常重要。JeecgBoot作为一款优秀的企业级开发框架,其默认配置已经考虑了性能和功能的平衡。开发者在自定义配置时,应该充分理解原有配置的意图,避免引入重复或冲突的配置项。通过解决这个Shiro重复过滤的问题,可以显著提升系统的响应速度,改善用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0213
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
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
468
461
暂无描述
Dockerfile
776
5.07 K
Ascend Extension for PyTorch
Python
756
961
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++
872
2.01 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++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
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
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430