SWR Infinite Loading 在 Next.js 应用路由中的 Fallback 机制解析
2025-05-04 14:59:36作者:薛曦旖Francesca
在 Next.js 13+ 的应用路由架构中,开发者在使用 SWR 库的 useSWRInfinite 实现无限加载功能时,可能会遇到 fallback 数据不按预期工作的问题。本文将深入分析这一现象的技术原理,并提供有效的解决方案。
问题现象
当开发者在客户端组件中使用 useSWRInfinite 并设置 fallback 数据时,即使已经提供了完整的初始数据,组件仍然会在客户端发起不必要的网络请求。这与开发者期望的"直接使用预取数据而不发起额外请求"的行为不符。
技术背景
SWR 的 fallback 机制原本设计用于服务端渲染(SSR)场景,允许开发者预先注入数据,避免客户端重复获取。在 Next.js 13+ 的应用路由中,这种机制需要特别注意以下几点:
- 应用路由默认采用 React 服务端组件架构
- 数据获取通常在服务端组件中完成
- 客户端组件需要正确处理服务端预取的数据
关键问题分析
通过代码示例可以看出,开发者尝试通过以下方式设置 fallback:
fallback: {
[unstable_serialize(() => 'key')]: [{ data: [], total: 0 }]
}
但这种方式在应用路由中失效的主要原因在于:
useSWRInfinite默认会在组件挂载时重新验证数据- 应用路由的数据传递机制与传统 SSR 有所不同
- 序列化方式可能不匹配应用路由的上下文
解决方案
经过实践验证,最有效的解决方法是显式关闭挂载时的重新验证:
{
fallback: {
[unstable_serialize(() => 'key')]: [{ data: [], total: 0 }]
},
revalidateOnMount: false
}
这种配置组合能够确保:
- 服务端预取的数据被正确识别为初始状态
- 组件挂载时不会触发额外的网络请求
- 仍然保留了 SWR 的其他特性如焦点重新验证等
最佳实践建议
对于 Next.js 13+ 应用路由中的 SWR 使用,推荐以下模式:
- 在服务端组件中获取初始数据
- 通过 props 或状态管理将数据传递给客户端组件
- 客户端组件中同时设置 fallback 和
revalidateOnMount: false - 对于需要更新的场景,使用 mutate 手动触发重新验证
这种模式既利用了应用路由的服务端数据获取优势,又保持了 SWR 的客户端状态管理能力,实现了最佳的性能和用户体验平衡。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 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 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 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 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218