1. 多租户概述
1.1 SaaS 多租户定义
多租户（Multi-Tenancy） 是 SaaS 架构最核心的隔离模式。它允许一个应用实例同时服务多个租户（Tenant），每个租户在逻辑上拥有独立的数据空间与配置，但共享同一套底层基础设施与代码版本。
与传统的单租户部署不同，多租户架构通过资源复用大幅降低运维成本，同时必须保证租户之间的数据不可见、不可篡改。租户可以是一个企业、一个部门、一个项目组，甚至是一个独立用户——取决于业务模型的粒度。
关键区分： 多租户 ≠ 多用户。多用户指同一租户内的多个账号；多租户指多个完全隔离的组织共享同一系统实例。
1.2 核心挑战：数据隔离、性能、安全
多租户架构在带来成本优势的同时，也引入了三个必须解决的工程挑战。下表总结了每个挑战的核心问题与典型应对策略：
| 挑战维度 | 核心问题 | 典型应对策略 |
|---|---|---|
| 数据隔离 | 租户 A 的数据不能被租户 B 访问或泄露 | 独立数据库、共享数据库独立 Schema、共享表 + Tenant ID 行级过滤 |
| 性能 | 一个租户的突发流量不能影响其他租户的响应时间 | 连接池隔离、租户级限流、缓存分片、资源配额管理 |
| 安全 | 鉴权绕过、跨租户越权、数据注入、身份冒用 | 租户上下文传递、请求拦截链路、参数级权限校验、审计日志 |
常见误区： 很多团队只关注数据库层的 Tenant ID 过滤，却忽略了 API 网关层、服务间 RPC 调用、缓存层和日志输出中的租户上下文传递，导致数据泄露漏洞。
1.3 租户模型：单租户 vs 多租户
选择单租户还是多租户，直接影响系统的隔离粒度、运维成本和扩展方式。下表从多个维度进行对比：
| 对比维度 | 单租户（Single-Tenant） | 多租户（Multi-Tenant） |
|---|---|---|
| 部署方式 | 每个租户独立部署一套应用 + 数据库 | 所有租户共享同一套应用实例 |
| 数据隔离 | 物理隔离，天然安全 | 逻辑隔离，依赖代码与架构保障 |
| 运维成本 | 高（版本升级、补丁、监控需逐租户执行） | 低（一次部署，全局生效） |
| 资源利用率 | 低（每个租户预留峰值资源） | 高（租户间资源复用，弹性伸缩） |
| 定制化能力 | 强（可独立修改代码、配置、数据库结构） | 弱（定制化需通过 Feature Flag 或插件机制） |
| 适用场景 | 大型企业、金融、医疗等强合规行业 | 中小客户、标准化产品、快速扩张的 SaaS |
在实际工程中，还存在混合模型：核心租户使用独立数据库（单租户模式），中小租户共享数据库（多租户模式），通过路由层根据租户等级动态切换数据源。
1.4 多租户数据隔离架构总览
下图展示了多租户系统中从请求入口到数据存储的完整隔离链路，重点标注了鉴权拦截的关键位置：
1.5 租户上下文传递链路
在多租户系统中，租户上下文（Tenant Context） 必须贯穿整个请求生命周期。以下是典型的传递链路步骤：
- 请求入口：客户端携带租户标识（如
X-Tenant-ID请求头或 JWT 中的tenant_id声明）。 - 网关解析：API 网关提取租户标识，校验格式与合法性，注入到请求上下文。
- 鉴权拦截器：验证 Token 有效性，确认当前用户属于该租户，防止跨租户 Token 滥用。
- 服务间传递：通过 RPC 拦截器或消息头将租户上下文透传到下游微服务。
- 数据访问过滤：ORM 拦截器或数据库中间件自动追加
WHERE tenant_id = ?条件。
工程要点： 租户上下文必须使用 ThreadLocal（Java）或 Context（Go/Python）在单请求线程内传递，并在请求结束后清理，防止内存泄漏导致跨租户数据错乱。
1.6 三种数据隔离模式对比
根据隔离强度与资源复用程度，多租户数据隔离通常分为三种模式。下表从多个维度进行对比：
| 隔离模式 | 隔离强度 | 资源复用 | 运维复杂度 | 典型场景 |
|---|---|---|---|---|
| 独立数据库 | 最高（物理隔离） | 最低 | 高（需管理多个 DB） | 金融、医疗、大型企业 |
| 独立 Schema | 中（逻辑隔离） | 中 | 中（Schema 管理） | 中型 SaaS、区域隔离 |
| 共享表 + Tenant ID | 低（行级隔离） | 最高 | 低（单库单表） | 标准化产品、海量小租户 |
在实际架构中，这三种模式可以混合使用：例如，免费版租户使用共享表，付费版租户使用独立 Schema，企业版租户使用独立数据库。路由层根据租户等级动态选择数据源。
安全提醒： 共享表模式中，
tenant_id 过滤条件必须由后端强制注入，不能依赖前端传递。任何 SQL 拼接遗漏都可能导致全量数据泄露。