一套系统卖给十家公司,A 公司的报表里出现 B 公司的数据——这是 SaaS(多租户软件服务)最致命的事故。Cola Cloud 用最朴素的方式做了租户隔离,也留下了这个方案最典型的风险。
前置阅读:16.1 讲过微服务拆分。这篇看多租户隔离在源码层怎么落地。
团队决定做 SaaS,每张业务表加了 tenant_id 字段。某天测试反馈:A 租户看到了 B 租户的订单。
排查发现:某个新写的查询忘了加 where tenant_id = ?。靠人肉记得加条件,迟早有人忘。这是所有「软隔离」方案的宿命。
Cola Cloud 恰好就是这个方案的完整样本,值得看它怎么缓解、又在哪里露馅。
两种隔离思路:
tenant_id)区分。锁装好了就便宜高效,但谁忘了锁门,室友就能进来Cola 选的是合租方案,并且把「锁门」这件事尽量做成了自动化。
// 实体继承 TenancyEntity,自带 tenantId 字段
public class Order extends TenancyEntity {
private String orderNo;
}
// Service 继承 TenancyServiceImpl,增删改查自动带租户维度
@Service
public class OrderService extends TenancyServiceImpl<OrderMapper, Order> {
public List<Order> listMine() {
// addTenantCondition 主动追加租户条件
return selectList(addTenantCondition(new QueryWrapper<>()));
}
}
insert 时 tenantId 从当前登录用户自动取出写入;查询时要不要带条件,由开发自己决定调不调 addTenantCondition。
多租户背景:tenant_id 之外,Cola 还提供了一个 TenancyClient 之类的轻量客户端模块,消费方引用它就能读租户信息,不必依赖整个租户服务的实现——这和它 -model/-client/-service 三层拆分的工程思想一脉相承。
源码在 cola-cloud-framework 的 base 包,租户隔离靠三层结构配合:
1. 实体层:TenancyEntity 在 BaseEntity 基础上加 tenantId 字段,业务实体继承它就具备了租户维度
2. 泛型服务层:TenancyServiceImpl<T extends TenancyEntity> 重写了 MyBatis-Plus 的 insert/update/delete,写入时自动从登录态取当前用户的 tenantId 填充,不需要业务代码传参
3. 校验兜底:更新和删除前先查出记录比对 tenantId,不是本租户的数据直接拒绝操作
注意它没有做的那件事:没有 SQL 拦截器(在 SQL 执行前自动改写语句、追加条件的机制)。也就是说,查询这条路径没有被强制保护,全靠 Service 层自觉调用 addTenantCondition。
会话分析里点得很清楚:这是 1.x 时代 MyBatis-Plus 拦截器不成熟下的务实选择。软隔离的好处:
风险也明摆着:漏调就是数据裸奔。作者在 SecurityAccessMetadataSource 的注释里也自认了缓存一致性问题——这类「靠约定」的设计,一致性永远靠纪律维持。
今天的标准做法是 MyBatis-Plus 的 TenantLineHandler(租户行级处理器,配置后自动给所有 SQL 追加租户条件):
// 现代写法:拦截器自动注入,漏不掉
new TenantLineInnerInterceptor(new TenantLineHandler() {
public Expression getTenantId() {
return new LongValue(currentTenantId());
}
})
对比之下能看清取舍:拦截器把「记得锁门」从人的责任变成框架的责任,代价是 SQL 被改写后排查问题多绕一层。
租户管理在 cola-cloud-platform 的 tenancy 服务,独立成微服务。用户表挂 tenantId,登录后该值随用户信息进入会话,后续所有服务从 SecurityContext 取。租户的增删、套餐、启停都是独立域,不与用户权限耦合。
具体到登录链路:用户在认证中心完成认证后,IntegrationUserDetailsService 返回的用户详情里就带着 tenantId。这个值随 token 存进 Redis,之后每个请求、每个服务都能从 SecurityContext 里拿到。也就是说,租户身份是登录时一次确定、全程携带的,中间不需要再查库确认。
把三种隔离方案放在一张表里对比,选型逻辑就清楚了:
| 方案 | 隔离强度 | 成本 | 适合场景 |
|---|---|---|---|
| 独立数据库 | 最强 | 最高,每租户一套库 | 金融、医疗等强合规 |
| 独立 schema | 中 | 中 | 中等规模、租户数几十级 |
| 共享表 + 字段 | 最弱 | 最低 | 租户成百上千的 SaaS |
Cola 面向的是租户数量多、单价低的通用场景,选共享表理所当然。但选了共享表,就必须回答「怎么保证没人漏写条件」——这个问题贯穿了整篇的分析主线。
值得强调的是:隔离强度不是越强越好。独立数据库意味着每个租户一套迁移脚本、一套备份策略,运维成本随租户数线性增长。多数 SaaS 的答案是先共享表起步,大客户单独升级到独立库,用分层方案平衡成本与合规。
addTenantCondition 在哪、为什么必须调tenantId 的 Redis 缓存,多租户下就是共享脏数据。缓存 key 设计必须包含租户维度TenancyServiceImpl 从 SecurityContext 取租户 ID,异步任务里取不到,要么显式传参,要么按租户循环执行问:多租户数据隔离有哪几种方案?
答:独立数据库隔离最彻底成本最高;共享库共享表加 tenant_id 成本最低但必须配合强制隔离手段;折中是共享库独立 schema。Cola 用的是共享表加字段的软隔离。
问:tenant_id 靠开发手写 where 条件,怎么防止漏写?
答:老项目用基类 Service 封装增删改做兜底;现代标准做法是 SQL 拦截器(如 MyBatis-Plus TenantLineHandler)自动追加租户条件,把纪律问题变成框架保证,再配合代码评审兜底。
问:租户隔离和权限隔离(RBAC)什么关系?
答:租户是物理分组——先圈定「这批数据是你的」;RBAC 是行为控制——再决定「这些数据里你能干什么」。两者叠加才是完整的 SaaS 访问控制。