Nano Hash - криптовалюты, майнинг, программирование

Как получить информацию о пользователе непосредственно на уровне JPA в rest API

Я использую REST API с JPA и получаю информацию о пользователе в разделе заголовка. Для целей аудита необходимо сохранять данные пользователя при каждом запросе. Как напрямую получить информацию о пользователе на уровне JPA (хуки (@Prepersist и @PreUpdate) из остаточного заголовка.

Я не хочу передавать детали через сервисный уровень. Есть ли какой-нибудь общий способ сделать это?

Примечание. Я не использую spring.

Заранее спасибо.


Ответы:


1

У меня была аналогичная проблема с Spring Framework. Следующая идея может вам помочь.

  1. Создайте AppContext с помощью ThreadLocal

    public class AppContext {
    
    private static final ThreadLocal<User> currentUser = new ThreadLocal<>();
    
    public static void setCurrentUser(String tenant) {
        currentUser.set(tenant);
    }
    
    public static String getCurrentUser() {
        return currentUser.get();
    }
    
    public static void clear() {
        currentUser.remove();
    }
    

    }

  2. Используйте фильтр или аналогичный, чтобы получить пользователя из заголовка http и установить в AppContext

    @Override
    public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) throws IOException, ServletException {
        HttpServletRequest httpRequest = (HttpServletRequest) request;
    
         // Your code to extract user info from header
         // Build user object and set to the AppContext
         AppContext.setCurrentUser(user);
    
        //doFilter
        chain.doFilter(httpRequest, response);
    }
    
  3. Используйте AppContext в репозитории. Он должен быть доступен в области запроса.

      @PrePersist
      public void onPrePersist() {
        if(AppContext.getCurrentUser() != null){
            this.user = AppContext.getCurrentUser();
         }
    }
    

    }

01.11.2018
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..