Apollo Client 中禁用缓存的正确方式
2025-05-11 02:40:30作者:柯茵沙
在开发基于 GraphQL 的应用时,Apollo Client 的缓存机制是一个强大但有时也需要精细控制的功能。本文将深入探讨如何正确地在 Apollo Client 中禁用缓存,以及相关配置的注意事项。
缓存机制的基本原理
Apollo Client 默认会缓存查询结果以提高性能,这对于大多数应用场景是有益的。但在某些特殊情况下,开发者可能需要完全禁用缓存功能,例如:
- 需要获取实时数据而不受缓存影响
- 处理高度动态的内容
- 调试和测试场景
禁用缓存的正确方法
通过分析社区讨论和技术实现,我们发现禁用 Apollo Client 缓存最可靠的方式是使用 no-cache 获取策略(fetch policy)。这种方法直接作用于查询层面,确保每次请求都会从服务器获取最新数据。
推荐配置方式
const client = new ApolloClient({
// 其他配置项...
defaultOptions: {
query: {
fetchPolicy: 'no-cache',
},
watchQuery: {
fetchPolicy: 'no-cache',
},
mutate: {
fetchPolicy: 'no-cache',
}
}
})
这种配置方式有三个关键点:
- 为普通查询(query)设置无缓存
- 为观察查询(watchQuery)设置无缓存
- 为变更操作(mutate)设置无缓存
常见误区与澄清
许多开发者尝试通过配置 InMemoryCache 来禁用缓存,例如:
new InMemoryCache({
addTypename: false,
resultCaching: false,
})
然而,这种方法存在几个问题:
addTypename: false仅影响查询转换过程,与缓存无关resultCaching选项并非官方支持的缓存禁用方式- 这种方法无法完全确保所有查询都绕过缓存
版本兼容性说明
值得注意的是,addTypename: false 配置在 Apollo Client 4.0 中已被标记为废弃并移除。开发者应避免依赖这种即将消失的功能,转而使用官方推荐的获取策略配置。
最佳实践建议
- 仅在确实需要时禁用缓存,因为缓存机制能显著提升应用性能
- 考虑使用
network-only策略替代no-cache,如果仍希望结果被缓存 - 对于特定查询而非全局设置,可以在单个查询中指定获取策略
- 在测试环境中,可以结合开发工具来验证缓存是否被正确禁用
通过理解这些原理和实践,开发者可以更精准地控制 Apollo Client 的缓存行为,构建出既高效又符合业务需求的应用。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
655
4.26 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
499
606
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
390
284
🎉 (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
1.53 K
889
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++
939
860
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557
暂无简介
Dart
902
217
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
132
207
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195