在Next.js中结合openapi-typescript和React Query的最佳实践
2025-06-01 03:36:29作者:齐冠琰
背景介绍
在现代前端开发中,Next.js、TypeScript和状态管理库的组合已经成为主流技术栈。openapi-typescript项目提供了一个强大的工具链,能够根据OpenAPI规范自动生成TypeScript类型定义,而openapi-fetch则是基于这些类型定义提供类型安全的API请求客户端。
问题分析
在Next.js应用中使用openapi-fetch与React Query结合时,开发者可能会遇到一个常见错误:"Invariant: headers() expects to have requestAsyncStorage, none available"。这个错误通常发生在以下场景:
- 在客户端组件中直接使用openapi-fetch客户端
- 中间件中调用了仅服务器端可用的API(如Next.js的headers())
- 环境变量未正确配置为客户端可用
解决方案
服务器端执行API请求
最可靠的解决方案是将API请求逻辑完全放在服务器端执行,然后通过React Query在客户端进行状态管理。这种模式有以下几个优势:
- 安全性:敏感逻辑和认证信息保留在服务器端
- 性能:可以利用Next.js的缓存机制
- 稳定性:避免客户端环境差异导致的问题
实现方式如下:
// 服务器端action
"use server";
export async function getConfigProperties() {
const { data, error } = await client.GET("/api/settings/config-properties");
return { data, error };
}
// 客户端组件
"use client";
const { data } = useQuery({
queryKey: ["getConfigProperties"],
queryFn: async () => {
const { data, error } = await getConfigProperties();
if (error) throw new Error(error.message);
return data;
},
});
错误处理策略
在服务器端返回原始错误信息,在客户端进行错误处理和展示,这种分层处理方式有以下好处:
- 服务器端可以保持简洁的错误日志
- 客户端可以根据业务需求定制错误展示
- 符合Next.js推荐的安全实践
架构考量
在选择解决方案时,需要考虑以下架构因素:
- 网络拓扑:直接客户端请求还是通过Next.js代理
- 认证机制:如何安全地传递认证令牌
- 性能影响:额外的网络跳转对用户体验的影响
- 开发体验:如何保持类型安全的同时简化开发流程
最佳实践建议
- 对于需要认证的API请求,优先使用服务器端执行
- 将环境变量前缀设置为NEXT_PUBLIC_以在客户端使用
- 使用TypeScript严格模式确保类型安全
- 考虑使用Next.js的Route Handlers作为API代理层
- 实现统一的错误处理中间件
总结
在Next.js应用中结合openapi-typescript和React Query时,理解服务器端和客户端执行的边界至关重要。通过将API请求逻辑放在服务器端action中,可以避免常见的环境相关问题,同时保持类型安全和良好的开发体验。这种架构模式特别适合需要认证、敏感数据处理或复杂业务逻辑的应用场景。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0211
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0135
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
871
2.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
Ascend Extension for PyTorch
Python
756
956
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
695
1.39 K
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
182
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
644