Nano Hash - криптовалюты, майнинг, программирование

Использование AWS Cognito / Amplify в качестве сервиса OIDC

У меня есть приложение Angular, которое я хочу защитить с помощью AWS Cognito. Сначала я начал использовать пакет angular-oauth2-oidc, который отлично работал, я просто дал ему несколько деталей (эмитент, client_id и т. Д.), И он начал работать.

Сейчас я подумываю о внедрении Amplify, но обнаружил, что примеры делают гораздо больше, чем я хочу. Все примеры и быстрый старт включают создание ресурсов, которые мне не нужны, я просто хочу перенаправить на размещенный пользовательский интерфейс и получить токен при ответе.

Могу ли я использовать Amplify только для обработки входа в систему (с использованием размещенного пользовательского интерфейса) и токена? Мне не нужно создавать какие-либо новые ресурсы, мои приложения не размещаются в AWS, я просто хочу использовать аутентификацию.

Спасибо


Ответы:


1

В усиленной документации говорится, как использовать Amplify JS Framework с существующей AWS. ресурсы.

Если вы хотите использовать существующие ресурсы AWS в своем приложении, вам необходимо вручную настроить приложение с использованием текущих учетных данных в коде, например:

import Amplify from 'aws-amplify';

Amplify.configure({
  Auth: {
    // REQUIRED - Amazon Cognito Identity Pool ID
    identityPoolId: 'XX-XXXX-X:XXXXXXXX-XXXX-1234-abcd-1234567890ab', 
    // REQUIRED - Amazon Cognito Region
    region: 'XX-XXXX-X', 
    // OPTIONAL - Amazon Cognito User Pool ID
    userPoolId: 'XX-XXXX-X_abcd1234',
    // OPTIONAL - Amazon Cognito Web Client ID
    userPoolWebClientId: 'XX-XXXX-X_abcd1234', 
  }
});
26.03.2019
  • Значит, я могу проигнорировать все команды быстрого запуска, такие как amplify init, amplify auth и т. Д., И сразу перейти к их использованию? 26.03.2019
  • Да, это для использования во фронтенте js. Используйте его вместе с Amplify JS SDK. Все значения можно найти в консоли AWS Cognito. 26.03.2019
  • 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..