Apollo Kotlin 中如何优雅地传递额外请求变量
2025-06-18 06:46:54作者:董宙帆
在 GraphQL 开发中,我们经常需要在请求中传递额外的变量参数。本文将深入探讨在 Apollo Kotlin 客户端中实现这一需求的几种技术方案。
标准变量传递方式
Apollo Kotlin 通过代码生成机制为每个 GraphQL 操作生成对应的模型类。以示例中的 GetBestSellers 操作为例,我们可以直接通过构造函数传递定义好的变量:
val operation = GetBestSellers(ProductCategory.BOOKS)
这种方式会按照 GraphQL 规范自动序列化变量,并包含在请求的 variables 字段中。
需要传递额外变量的场景
某些情况下,开发者可能需要传递未在 GraphQL 操作中声明的额外变量,例如:
- 应用标识信息
- 设备元数据
- 跟踪参数
- 其他业务上下文信息
这些变量通常用于服务端的日志记录、监控或业务逻辑处理。
技术实现方案
方案一:自定义 HttpRequestComposer
Apollo Kotlin 提供了 HttpRequestComposer 接口,允许开发者完全控制 HTTP 请求的构建过程。我们可以实现自定义的请求构建器来添加额外变量:
class CustomHttpRequestComposer(private val serverUrl: String) : HttpRequestComposer {
override fun <D : Operation.Data> compose(apolloRequest: ApolloRequest<D>): HttpRequest {
val operation = apolloRequest.operation
val customScalarAdapters = apolloRequest.executionContext[CustomScalarAdapters]!!
val body = buildJsonByteString {
writeObject {
name("query").value(operation.document())
name("operationName").value(operation.name())
name("variables").writeObject {
// 序列化原始变量
operation.serializeVariables(this, customScalarAdapters, false)
// 添加额外变量
name("appName").value("MyAppName")
name("clientVersion").value("1.0.0")
}
}
}
return HttpRequest.Builder(HttpMethod.Post, serverUrl)
.body(object : HttpBody {
override val contentType = "application/json"
override val contentLength = body.size.toLong()
override fun writeTo(bufferedSink: BufferedSink) {
bufferedSink.write(body)
}
})
.build()
}
}
方案二:使用 OkHttp 拦截器
对于简单的变量添加需求,可以使用 OkHttp 拦截器来修改请求体:
class VariablesInterceptor : Interceptor {
override fun intercept(chain: Interceptor.Chain): Response {
val originalRequest = chain.request()
val originalBody = originalRequest.body?.source()?.readByteString()
val modifiedBody = originalBody?.let {
val json = Json.parseToJsonElement(it.utf8())
val newJson = buildJsonObject {
putAll(json.jsonObject)
put("variables", buildJsonObject {
json.jsonObject["variables"]?.jsonObject?.let { putAll(it) }
put("appName", "MyAppName")
})
}
newJson.toString().toByteString()
}
val newRequest = originalRequest.newBuilder()
.post(modifiedBody?.toRequestBody(originalRequest.body?.contentType()))
.build()
return chain.proceed(newRequest)
}
}
最佳实践建议
虽然技术上可以实现额外变量的传递,但需要注意以下几点:
- 遵循 GraphQL 规范:GraphQL 变量机制设计用于操作参数,而非通用数据传输
- 优先使用 HTTP 头:对于元数据信息,更适合放在 HTTP 头中
- 考虑服务端兼容性:确保服务端能够正确处理这些额外变量
- 性能考量:修改请求体会带来额外的序列化开销
总结
在 Apollo Kotlin 中传递额外请求变量可以通过自定义 HttpRequestComposer 或拦截器实现,但开发者应当评估这种做法的必要性。在大多数情况下,使用 HTTP 头传递额外信息是更符合 RESTful 原则的做法。如果确实需要修改请求体,自定义 HttpRequestComposer 提供了更直接和高效的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1