Hyperf框架中实现单表字段版多租户方案详解
2025-06-03 17:02:11作者:郁楠烈Hubert
多租户架构概述
多租户架构是现代SaaS应用的核心设计模式,它允许单个应用实例为多个客户(租户)提供服务,同时保持数据隔离。在数据库层面,多租户通常有三种实现方式:
- 独立数据库:每个租户使用完全独立的数据库实例
- 共享数据库独立Schema:同一数据库实例中不同租户使用不同Schema
- 共享数据库共享表:所有租户数据存储在相同表中,通过租户ID字段区分
本文重点介绍第三种方案——单表字段版多租户在Hyperf框架中的优雅实现。
Hyperf多租户实现方案
核心设计思路
该方案通过Hyperf的全局作用域(Global Scope)和模型特性(Trait)机制,实现了以下功能:
- 自动为所有查询添加租户过滤条件
- 提供灵活的租户字段配置
- 支持临时取消租户过滤
- 支持指定查询特定租户数据
代码实现解析
TenantTrait 租户特性
trait TenantTrait
{
use HasGlobalScopes;
public static function bootTenantTrait(): void
{
static::addGlobalScope(new TenantScope());
}
public static function scopeTenant(Builder $builder, array|string $_tenantId): Builder
{
if (empty($_tenantId)) {
return $builder;
}
return $builder->withoutGlobalScope(TenantScope::class)
->withGlobalScope(TenantScope::class, function (Builder $builder) use ($_tenantId) {
$builder->whereIn($builder->getModel()->getQualifiedTenantIdColumn(), $_tenantId);
});
}
public function getQualifiedTenantIdColumn(): string
{
return $this->qualifyColumn(empty($this->tenant) ? 'tenant_id' : $this->tenant);
}
}
关键点解析:
bootTenantTrait方法在模型初始化时自动注册全局作用域scopeTenant方法提供链式调用,可指定查询特定租户数据getQualifiedTenantIdColumn方法支持自定义租户字段名
TenantScope 租户作用域
class TenantScope implements Scope
{
public function apply(Builder $builder, Model $model): Builder
{
return $builder->whereIn($model->getQualifiedTenantIdColumn(), ['租户ID获取逻辑']);
}
}
关键点解析:
- 实现Scope接口的apply方法,自动为查询添加租户过滤
- 租户ID可通过业务逻辑动态获取(如从JWT、Session等)
使用方式
- 基础使用:在模型基类中use TenantTrait,所有继承该基类的模型自动具备多租户能力
- 自定义租户字段:在模型中定义$tenant属性可指定租户字段名
- 特定场景查询:
// 查询特定租户数据 Model::tenant([1, 2])->where(...)->get(); // 临时取消租户过滤 Model::withoutGlobalScope(TenantScope::class)->get();
方案优势
- 无侵入性:通过Trait方式实现,不影响现有业务代码
- 灵活性:支持动态指定租户字段和租户ID
- 安全性:默认全局过滤,避免数据泄露风险
- 性能优化:基于数据库原生WHERE条件过滤,效率高
实际应用建议
-
租户ID获取逻辑应根据实际业务场景实现,常见方式包括:
- 从JWT令牌解析
- 从Session获取
- 从请求头/URL参数获取
-
对于超级管理员等需要查看所有租户数据的场景,可通过中间件动态设置租户ID范围
-
在数据量大的情况下,建议为租户字段添加索引优化查询性能
该方案已在多个生产环境中验证,是Hyperf框架下实现多租户的高效可靠方案。
登录后查看全文
热门项目推荐
相关项目推荐
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
271
2.56 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
103
130
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++
597
157
暂无简介
Dart
561
125
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
224
14
🎉 (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
1.03 K
606
仓颉编译器源码及 cjdb 调试工具。
C++
118
95
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
443