AI 图片存储如何守住多租户边界
方案将租户隔离落实到对象路径、数据库查询和唯一性约束,并记录校验和、媒体类型及提示词版本等元数据。图片验证后才标记就绪,导出则基于单租户就绪记录的快照获取对象。
AI 深度解读
AI 生成的图片存进对象存储,再按租户打包下载,看起来只是上传和导出两个接口。真正容易出事故的地方,是图片、数据库记录和导出任务分别处理时,租户边界有没有始终跟着走。
作者的结论是:租户隔离必须从写入时就成立,不能等导出时补一个过滤条件。这篇没有模型效果或性能跑分,价值在于把图片存储拆成一套可检查、可恢复的流程。对正在给 Node.js 服务接入 AI 图片生成的团队,这比先选哪家云存储更值得看。
图片和元数据分开存,租户边界却要一起设计
作者面向的是存储 AI 产品图片的金融科技应用。方案分两层:图片字节放对象存储,可检索的元数据放数据库。
数据库记录需要保存 tenant_id、对象键、媒体类型、字节大小、校验和、提示词修订号和创建时间。所有查询及唯一性规则都要包含租户范围。这样,判断某张图片是否属于一次导出,不需要逐个打开文件。
对象键也不能由浏览器提交的文件名决定。作者使用服务端生成的 uuid4() 作为资源 ID,按以下格式组织路径:
tenants/{tenant_id}/assets/{asset_id}
这里的 tenant_id 必须来自认证后的上下文。模型输出和浏览器提交的元数据都属于不可信输入,提示词也不能充当资源标识。
原文的存储示例定义了 BlobStore.put()、BlobStore.get() 和 save_asset(),没有绑定具体云 API。写入前拒绝空租户、包含 / 的租户 ID、空图片,以及不在 image/png、image/jpeg、image/webp 范围内的媒体类型;再通过 sha256(image_bytes).hexdigest() 计算摘要,记录到 sha256_hex。
对象路径保护文件归属,数据库记录保护查询范围,两层检查各有用途。
但示例有一个缺口:它检查的是传入的 content_type 是否在白名单内,没有展示如何识别真实文件格式,也没有展示写入后的内容校验。作者描述的完整流程包含摘要和媒体类型验证,代码只覆盖了其中一部分。
对象写成功、数据库写失败,流程怎么继续
对象存储和数据库是两个独立系统。作者没有假设它们共享事务,而是接受中间状态,并要求系统能够恢复。
完整流程是:生成 worker 写入临时对象,验证内容,写元数据,最后把资源标记为可用。生产环境还应持久化 pending、ready、quarantined 等状态,导出只选择 ready。
如果图片写成功,数据库插入却失败,就会出现没有记录引用的孤立对象。作者建议通过对账任务找出这些对象,再按保留规则处理。数据库插入应紧接对象写入,并配置可恢复的重试策略。
这个思路适合异步生成图片的服务:失败不一定能当场消失,但必须能被识别和收敛。不过,原文没有给出完整的幂等实现。示例每次调用都会生成新 UUID,直接重跑不等于已经解决重复资源问题,团队仍需补齐重试时如何关联同一次生成任务。
删除同样需要流程:先标记记录,撤销仍有效的导出访问,再按保留策略删除或隔离对象,最后记录结果。具体保留多久,由业务和监管要求决定。
导出安全,靠快照和逐条核验共同保证
导出接口不应接受调用方传入的一组任意对象键,而应接收已经由授权层绑定租户的 export ID。
作者要求在两个位置检查租户:创建导出快照时限定范围,加载每条记录时再核验一次。下面这段代码展示第二道检查如何拒绝混入的记录:
from dataclasses import dataclass
from typing import Iterable
@dataclass(frozen=True)
class ExportItem:
object_key: str
filename: str
content_type: str
sha256_hex: str
def items_for_export(
rows: Iterable[dict],
export_tenant_id: str,
) -> list[ExportItem]:
items: list[ExportItem] = []
for row in rows:
if row["tenant_id"] != export_tenant_id:
raise PermissionError("tenant mismatch")
if row["state"] != "ready":
continue
items.append(
ExportItem(
object_key=row["object_key"],
filename=f"{row['asset_id']}.{row['extension']}",
content_type=row["content_type"],
sha256_hex=row["sha256_hex"],
)
)
return items
关键是 raise PermissionError("tenant mismatch"):发现跨租户记录就拒绝继续;未就绪记录则跳过。它仍需配合真实数据库查询中的参数化条件 WHERE tenant_id = ? AND state = 'ready',以及防止同一租户重复记录同一资源 ID 的唯一性约束。
导出还需要固定快照时间戳或行版本。否则任务运行几分钟期间,资源集合持续变化,最后得到的压缩包就难以复现。原文提出了这一要求,但没有展开具体数据库的快照实现。
归档时,worker 应流式读取对象,避免把整个导出装入应用内存,并附带 manifest,即描述包内文件的清单。清单包含资源 ID、相对文件名、媒体类型、字节长度、校验和和提示词修订号。文件名不要塞原始提示词或客户数据,下载经过授权检查并设置有效期,归档按组织要求进行传输和静态加密。
存储品牌不能代替这些约束。Amazon S3、Google Cloud Storage、Azure Blob Storage 各有权限机制,但应用仍须负责租户检查。选型要看私有对象、条件写入、服务端加密控制、审计事件、生命周期策略及流式读取能力。
前端还要分清 CORS 和授权。预检成功,只能说明浏览器跨域读取规则允许这次访问,不能证明当前用户有权读取图片。
我的判断
我认同作者把隔离做成存储约束的方向。只在导出 SQL 上追加租户条件,覆盖不了直接读取对象、后台任务误传对象键等入口。路径、查询、逐条核验和下载授权分别承担责任,后续重构时也更容易看出哪些边界不能丢。
但这是一份设计建议,不能当成经过对照实验验证的架构报告。作者提到自己起初以为对象键已经足够,却没有提供部署规模、故障统计、吞吐量或性能对照。开头提到的 2 个租户测试,是验收要求,不是已通过的测试结果。
标题强调 Node 工作流,代码却是 Python。接口契约可以迁移,Node.js 的流式归档、任务恢复和数据库事务接法仍需实现。原文也没有提供版本号或可直接运行的完整 Node 服务。
相比只靠文件系统目录或 bucket 权限隔离,这套方案更容易提供查询和审计证据;代价是状态管理、对账和快照都需要维护。短期 worker 可以使用文件系统,托管存储可以减少基础设施工作,但两者都不能单独承担应用的租户隔离。
能拿来做什么
- 给 Node.js 图片服务建立统一的资源记录,保存对象键、字节大小、SHA-256、
prompt_revision和状态,并从认证上下文生成租户路径。不要让前端文件名决定存储位置。 - 把导出改成异步任务:请求端提交已绑定租户的 export ID,worker 从固定快照加载
ready记录,逐条核验租户,再流式生成归档和 manifest。 - 用 2 个资源名刻意相似的租户做验收,检查 A 的 token 能否读取、列举或导出 B 的资源;同时覆盖截断文件、摘要不符、不支持的媒体类型、重复重试、零资源导出和归档中途重启。只有 3 个正常案例不够。
- 监控
pending、ready、quarantined和孤立对象数量,记录导出 ID、租户 ID、资源数及失败类别。对 Python RAG、agent 或 Node.js 适配器使用一致的授权测试,并把生成成本、token 统计与存储评估分开。