Spring Security 学习系列(1) - 认识Spring Security

本文深入探讨SpringSecurity的核心概念,解释其作为拦截器的作用,以及如何通过配置实现基本的安全功能。包括SpringSecurity的工作原理、关键拦截器的功能、简单配置示例等内容。

最近在看Spring Security, 这个blog就是把看到的内容记录一下, 有不对的地方, 也请看到的同学指正一下, 谢谢。

 

虽然Spring security声称它可以脱离Spring来使用, 但我还是很难想像要怎么脱离Spring, 从我个人的认识来讲, Spring Security就是一个完全基于Spring的东西, 脱离Spring可能就只是一个忽悠 ,没人会这么用。所以要认识Spring Security 不认识Spring其实在是行不通的。 

 

前面讲这些话的意思是我自己对Spring Security基于Spring框架的一个认识, 另外一点, 就是要求你在看这篇Blog时, 事先得了解Spring。

 

先讲点概念:

 

Spring Security是啥? Spring Security就是拦截器, 要访问某个页面, 先经过一堆Spring Security定义的拦截器, 它检查是否登录过, 权限是否满足。条件满足了就可以继续访问, 不满足,给你定向到一个指定的页面, 告诉你无权访问该页面。

 

 

在知道了这个概念之后, Spring Security的工作模式就基本上是如下图这个样子了:


 

上图无需作过多讲解, 它所讲述的就是Srping Security 框架应用, 用户的请求需要经过重重拦截器, 最后到达处理逻辑, 而Spring Security的精髓正是这一个个的拦截器。 

 

 

再来初步设想一下会有什么拦截器, 拦截器大约会做些什么:

 

再看一下概念:

 

Spring Security是啥? Spring Security就是拦截器, 要访问某个页面, 先经过一堆Spring Security定义的拦截器, 它检查是否登录过, 权限是否满足。条件满足了就可以继续访问, 不满足,给你定向到一个指定的页面, 告诉你无权访问该页面。

 

所以, 里面应当有这样的拦截器, 它判断当前上下文权限是否满足, 对于不满足的情况, 可能会作个重定向, 跳转到无权访问页面。

 

我想, 现在你应当基本上知道Spring Security是干嘛的了, 第二章, 我们就来看一个最简单的Spring Security环境配置吧。

 

 

 

 

 

 

 

 

 

 

 

Python 中集成 Ollama 可以通过使用 `ollama` 官方提供的 Python 客户端库来实现。Ollama 是一个本地运行的大型语言模型(LLM)工具,它支持多种模型,如 Llama 2、Mistral 等,并且可以通过简单的 APIPython 应用程序集成。 ### 安装 Ollama Python 库 首先,需要确保你已经在本地系统上安装了 Ollama。你可以从 [Ollama 官方网站](https://ollama.com/)下载并安装适用于你操作系统的版本。 接下来,安装 Python 客户端库。Ollama 提供了一个官方的 Python 包,可以通过 `pip` 安装: ```bash pip install ollama ``` ### 使用 Ollama Python 库 安装完成后,可以使用 `ollama` 模块来调用 OllamaAPI。以下是一个简单的示例,展示如何使用 Ollama 的 `generate` 方法来生成文本: ```python import ollama # 生成文本 response = ollama.generate(model='llama3', prompt='为什么天空是蓝色的?') # 打印响应 print(response['response']) ``` 在这个例子中,`model` 参数指定了要使用的模型(例如 `llama3`),`prompt` 参数是用户输入的提示词。Ollama 会根据提示词生成相应的文本,并返回一个包含 `response` 字段的字典。 ### 获取模型列表 如果你想查看当前可用的模型,可以使用以下代码: ```python import ollama # 获取模型列表 models = ollama.list() # 打印模型列表 for model in models['models']: print(model['name']) ``` ### 模型对话(Chat) Ollama 还支持更复杂的对话模式,允许你在多轮对话中保持上下文。以下是一个使用 `chat` 方法的示例: ```python import ollama # 开始对话 response = ollama.chat( model='llama3', messages=[ {'role': 'user', 'content': '你好,你能帮我做什么?'}, {'role': 'assistant', 'content': '你好!我可以帮助你回答问题、提供建议,甚至进行简单的创作。有什么我可以帮你的吗?'}, {'role': 'user', 'content': '你能告诉我关于机器学习的基础知识吗?'} ] ) # 打印响应 print(response['message']['content']) ``` 在这个例子中,`messages` 参数是一个包含多个对话记录的列表,每个记录都有一个 `role` 和 `content` 字段。Ollama 会根据这些对话记录生成相应的回复。 ### 错误处理 在实际应用中,建议添加错误处理逻辑,以应对可能出现的网络问题或模型加载失败等情况: ```python import ollama try: response = ollama.generate(model='llama3', prompt='为什么天空是蓝色的?') print(response['response']) except Exception as e: print(f"发生错误: {e}") ``` ### 相关问题
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值