数据权限筛选（RLS）的两种实现介绍
在应用程序中，尤其是在统计的时候， 需要使用数据权限来筛选数据行。 简单的说，张三看张三部门的数据， 李四看李四部门的数据；或者员工只能看自己的数据， 经理可以看部门的数据。这个在微软的文档中叫row level security，字面翻译叫行级数据安全，简称rls。
要实现rls， 简单的思路就是加where条件语句来做数据筛选。但是必须是先where, 也就是在其他where条件和orderby、fetch rows 之前执行， 否则会对 排序、分页查询造成影响。这是一个难点。
另一个难点是如何对现有的业务代码侵入性降到最低——不影响现有查询逻辑的写法，甚至当需要的时候，可以关闭rls。为了校验数据， 必须保持rls开关的灵活性，尤其是在开发阶段。
下面介绍我在项目中使用过的两种实现方式。
数据权限筛选（rls）的实现（一） -- security policy方式实现
这个主要参考微软的官文介绍实现， 分三个步骤， a. 定义predicate函数, 根据user参数来筛选数据， b. 定义security policy, 使用前面指定的predicate函数, c.在指定表上应用security policy。
其中的user, 一种是通过当前连接数据库的登录用户来获取，一种是通过exec sp_set_session_context @key=n'userid', @value=@userid 来传入用户。后者更适合我们在应用查询中使用统一的连接字符串。由于我们数据访问层是通过ef来实现的， 所以我们统一在自定义的dbcontext类型中做了改造：
1 public abstract class rlsdbcontext : dbcontext
2 {
3
4 protected readonly iuserprovider userprovider;
5 protected rlsdbcontext(
6 string connectionstring,
7 iuserprovider userprovider)
8 : base(options)
9 {
10 this.connectionstring = connectionstring;
11 this.userprovider = userprovider;
12 }
13
14 protected override void onconfiguring(dbcontextoptionsbuilder optionsbuilder)
15 {
16 connection = new sqlconnection(connectionstring);
17 if (enablerls)
18 {
19 connection.statechange += connection_statechange;
20 }
21
22 if (!enablememorydb)
23 {
24 optionsbuilder.usesqlserver(connection);
25 }
26
27 base.onconfiguring(optionsbuilder);
28 }
29
30 private void connection_statechange(object sender, system.data.statechangeeventargs e)
31 {
32 if (e.currentstate == connectionstate.open)
33 {
34 string userid = userprovider.currentuserid;
35 //此处判断条件用于流程hook接口未配置认证而获取不到用户的情况
36 if (!string.isnullorempty(userid))
37 {
38 sqlcommand cmd = connection.createcommand();
39 cmd.commandtext = @"exec sp_set_session_context @key=n'userid', @value=@userid";
40 cmd.parameters.addwithvalue("@userid", userid);
41 cmd.executenonquery();
42 }
43 }
44 else if (e.currentstate == connectionstate.closed)
45 {
46 //暂时注释：在分页查询场景下存在rls获取总数之前sql连接关闭的情况
47 //connection.statechange -= connection_statechange;
48 }
49 }
50
51 }
这样， 我们就能确保在访问数据库的适合， 传入了当前用户信息
具体的示例， 可以参考《row-level security》
但是这个方式有个很大的问题， 就是性能不理想， 尤其是在判断条件中有or逻辑的时候。 比如这个场景：每个部门只能看自己的数据，如果是数据管理员，不论在哪个部门， 可以看所有部门的数据。加了or逻辑后， 大概1w行数据查询需要10s钟，这超出了应用能接收的范围。示例predicate function如下
1 create function [dbo].[predicate_myfilter_rls] 2 ( 3 @orgid nvarchar(200) 4 ) 5 returns table 6 with schemabinding 7 as 8 return 9 select top 1 1 as accesspredicateresult 10 from dbo.[user] a 11 where 12 a.userid = session_context(n'userid') 13 and 14 ( 15 a.orgid = @orgid or a.orgid = '0000000000000000000000' 16 ) 17 go
关于性能问题的佐证，可以参考《row-level security for middle-tier apps – using disjunctions in the predicate》
由于性能问题的障碍， 所以我们放弃了这种实现方式。但是这种方式比较优雅的满足了上述的两个条件，即实现了底层数据先筛选的逻辑，也对业务查询方法无侵入。在简单的场景中，应该是一款适合的方案。
数据权限筛选（rls）的实现（二） -- 后台rlsstrategy方式实现
另一种做法， 是我们自行研究的rlsstrategy的实现方式。首先我们了解下接口irlsstragety
1 public interface irlsstragety<tentity, tuserconstraintentity>
2 {
3 expression<func<tuserconstraintentity, bool>> userpredicate
4 {
5 get;
6 }
7
8 expression<func<tentity, object>> outerkeyselector
9 {
10 get;
11 }
12
13 expression<func<tuserconstraintentity, object>> innerkeyselector
14 {
15 get;
16 }
17
18 bool skip();
19 }
这里面提供了三个表达式和一个bool 方法判断是否要略过rls筛选。
下面是一个基本的实现：
1 public class genericuserorgrlsstragety<tentity, torguser> : irlsstragety<tentity, torguser>
2 where tentity : class, iuserid
3 where torguser : class, iorguser
4 {
5 private readonly iorgprovider userorgprovider;
6 public genericuserorgrlsstragety(iorgprovider userorgprovider)
7 {
8 this.userorgprovider = userorgprovider;
9 }
10
11 public virtual expression<func<torguser, bool>> userpredicate
12 => user => user.orgid == userorgprovider.currentuserorgid;
13
14 public virtual expression<func<tentity, object>> outerkeyselector
15 => entry => entry.userid;
16
17 public virtual expression<func<torguser, object>> innerkeyselector
18 => user => user.userid;
19
20 public virtual bool skip()
21 {
22 return false;
23 }
24 }
下面我来解释下这个逻辑。 假设应用中有这样两张表
t_bizdata(id, bizamount, org) 和t_orguser(org, user), 前者是业务表， 记录了业务数据和所属业务组织的机构，后者是机构人员表，记录了人员和机构之间的关系。 根据这两个表，我们可以实现orga的用户可以查看orga的数据， orgb的用户可以查看orgb的数据
如果不考虑rls， 则查询语句是
select * from t_bizdata
如果考虑rls， 则查询语句是
select a.* from t_bizdata a inner join t_orguser b on a.org=b.org where b.user=@user
两者比较，我们发现多了一个限制表和三处灵活点：
1 限制表就是 inner join t_orguser b,
2 灵活点 a） 取左表属性； b）取右表属性； c）取右表条件判断
这三个灵活点就是我们接口定义的三个表达式， 限制表是作为泛型类型传入进来的。
理解了这一点， 我们就可以看看下面这个代码
1 public static iqueryable<tentity> filterbyuser<tdbcontext, tentity, tuserconstraintentity>(
2 this iqueryable<tentity> queryable,
3 tdbcontext dbcontext,
4 irlsstragety<tentity, tuserconstraintentity> rlsstragety
5 )
6 where tdbcontext : dbcontext
7 where tentity : class
8 where tuserconstraintentity : class, iuserid
9 {
10 if (dbcontext is null)
11 {
12 throw new system.argumentnullexception(nameof(dbcontext));
13 }
14
15 if (rlsstragety == null
16 || rlsstragety.userpredicate == null
17 || rlsstragety.outerkeyselector == null
18 || rlsstragety.innerkeyselector == null
19 || rlsstragety.skip()
20 )
21 {
22 return queryable;
23 }
24
25
26 iqueryable<tentity> result = queryable.join(
27 dbcontext.set<tuserconstraintentity>()
28 .where(rlsstragety.userpredicate)
29 , rlsstragety.outerkeyselector
30 , rlsstragety.innerkeyselector
31 , (p, q) => p
32 );
33 return result;
34 }
我们都知道queryable 是ef实现查询的对象，它描述了查询的过程，所以我们在原queryable对象的基础上扩充了join逻辑， 从而实现了类似sql 语句的两表inner join查询。 该过程是在分页之前加入的，这样才能保证查询的结果。
1 public virtual async task<ipaged<tentity>> getpagedlistasync<tentity>(object filter, cancellationtoken cancellationtoken = default) where tentity : class
2 {
3 if (filter == null)
4 {
5 filter = new object();
6 }
7 ipaged<tentity> result = new paged<tentity>();
8
9 iqueryable<tentity> queryable = getpagedqueryable<tentity>(filter);
10 result.rows = await queryable.tolistasync(cancellationtoken).configureawait(false);
11
12 iqueryable<tentity> queryableforcount = getcountqueryable<tentity>(filter);
13 result.total = await queryableforcount.countasync(cancellationtoken).configureawait(false);
14
15 return result;
16 }
以上准备工作做好了， 在查询的时候，就可以这样写了：
stragety = serviceprovider.getservice<myrlsstragety>(); var pagelist = await rlsdatainquirer.getpagedlistasync(filter, stragety);
最后， 补充下skip()方法的逻辑。
public override bool skip()
{
string orgid = userorgprovider.currentuserorgid;
// 如果是信息管理部则跳过关联判断
return orgid.equals(infosupervisordepartmentorgid, stringcomparison.currentcultureignorecase);
}
我们看到，filterbyuser方法的第19行， 如果skip()返回为true， 则会跳过rls的逻辑。这个主要是为了特殊处理高级管理权限设计的。
总结：
使用security policy 除了可以过滤用户权限数据外， 还可以用于更新和删除数据时的权限检查； 而使用rlsstrategy则只能基于现有的框架来实现查询数据行时的筛选，但是性能上要好很多，而且也比较灵活。同时，因为底层是转换成了sql语句，所以对字段加索引应该可以进一步提高查询的性能。
上一篇： Python爬虫之用Xpath获取关键标签实现自动评论盖楼抽奖(二)
下一篇： 然后好好骂你一顿