up-fetch v2.0.0 发布:现代化请求库的重大升级
up-fetch 是一个基于原生 fetch API 构建的轻量级请求库,它通过提供简洁的配置方式和强大的扩展能力,帮助开发者更高效地处理 HTTP 请求。近日,该项目发布了 2.0.0 版本,带来了多项重要改进和新特性,标志着该库在功能和稳定性上迈上了一个新台阶。
核心特性增强
内置重试机制
在分布式系统中,网络请求失败是常见现象。up-fetch v2.0.0 引入了内置的重试机制,开发者可以轻松配置重试条件和策略:
const fetcher = up(fetch, () => ({
retry: {
when: (ctx) => ctx.response?.ok === false, // 重试条件
attempts: 3, // 最大重试次数
delay: 1000, // 重试间隔
},
}))
这种声明式的配置方式使得处理瞬态故障变得异常简单,特别适合在微服务架构或移动网络环境下使用。
进度追踪与流式处理
现代应用经常需要处理大文件上传下载,进度反馈对用户体验至关重要。新版本提供了全面的进度追踪能力:
upfetch('/download', {
onResponseStreaming: ({ transferredBytes, totalBytes }) => {
console.log(`下载进度: ${transferredBytes}/${totalBytes}`)
},
onRequestStreaming: ({ transferredBytes, totalBytes }) => {
console.log(`上传进度: ${transferredBytes}/${totalBytes}`)
},
})
这个特性底层基于 ReadableStream API 实现,不仅支持进度显示,还能与流式处理完美结合。
架构优化
生命周期钩子重构
v2.0.0 对生命周期钩子进行了重新设计,使其更加符合现代前端开发习惯:
upfetch('/api/data', {
onRequest(request) {
console.log('请求发出前:', request.url)
},
onSuccess(data, request) {
console.log('请求成功:', request.method, data)
},
onError(error) {
if(isResponseError(error)) {
console.error('服务器错误:', error.request.url)
}
}
})
这种设计将请求上下文统一为标准的 Request 对象,与 Web 平台规范保持一致,降低了学习成本。
异步配置支持
考虑到现代应用普遍需要异步获取配置(如从本地存储读取 JWT),新版本全面支持异步配置:
const fetcher = up(fetch, async () => {
const token = await secureStorage.get('auth_token')
return {
headers: { Authorization: `Bearer ${token}` },
}
})
这个改进使得在服务端渲染(SSR)或渐进式Web应用(PWA)中使用 up-fetch 更加自然。
破坏性变更与迁移指南
虽然 v2.0.0 包含一些破坏性变更,但大多数只影响高级用法。主要变更包括:
-
选项重命名:
throwResponseError→rejectparseResponseError→parseRejected
-
回调参数标准化: 所有回调现在接收标准 Request 对象而非解析后的选项,提高了与浏览器API的一致性。
迁移示例:
// v1 版本
up(fetch, () => ({
onSuccess: (data, options) => useStore.set(options.input, data)
}))
// v2 版本
up(fetch, () => ({
onSuccess: (data, request) => useStore.set(request.url, data)
}))
技术实现亮点
错误处理改进
新版本对 ValidationError 进行了优化,错误信息更加清晰可读。当请求被拒绝时,错误对象会包含完整的请求上下文:
try {
await upfetch('/protected')
} catch (error) {
if(isResponseError(error)) {
console.error(`请求 ${error.request.method} ${error.request.url} 失败`)
console.error('状态码:', error.response.status)
}
}
类型系统增强
TypeScript 类型定义得到了全面优化,现在能更准确地推断响应数据类型:
const getUser = upfetch('/user/:id', {
parseResponse: (res) => res.json() as Promise<User>
})
// 自动推断返回类型为 User
const user = await getUser({ params: { id: '123' } })
总结
up-fetch v2.0.0 通过引入重试机制、进度追踪等企业级功能,同时优化了API设计和类型系统,使其成为一个更加成熟的前端请求解决方案。虽然包含一些破坏性变更,但迁移成本较低,且新版本提供了更符合现代Web开发习惯的API设计。对于正在寻找比axios更轻量、比原生fetch更强大的HTTP客户端的团队,up-fetch v2.0.0 值得考虑。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00