Zalando RESTful API 指南:API 实现最佳实践
2025-06-27 07:04:44作者:胡易黎Nicole
在分布式系统架构中,API 的设计和实现质量直接影响系统的可靠性和可维护性。Zalando 的 RESTful API 指南中特别强调了 API 兼容性变更时客户端和服务端的正确处理方式,这是一个值得深入探讨的技术话题。
问题背景
在 API 演进过程中,一个常见场景是服务端添加了新字段而客户端尚未更新。当客户端执行 GET-EDIT-PUT 操作序列时,如果实现不当,可能导致以下问题:
- 客户端获取资源时忽略未知字段
- 编辑时只处理已知字段
- 提交时将丢失服务端新增的未知字段数据
这种数据丢失问题在分布式系统中尤为危险,因为它可能悄无声息地破坏数据完整性。
解决方案核心原则
根据 Zalando 指南,解决方案的核心是:
客户端必须保持对未知字段的容忍性,即在处理响应时:
- 可以忽略不理解的新字段
- 但不能在后续 PUT 请求中丢弃这些字段
实现模式与技术方案
通用实现策略
- 中间表示层:不应直接将 JSON 映射为领域对象,而应保留原始数据结构
- 增量更新:只修改需要变更的字段,保持其他字段不变
- 字段透传:确保未知字段在请求-响应循环中完整保留
Java/Jackson 实现示例
对于使用 Jackson 的 Java 客户端,推荐以下实现方式:
// 使用 JsonNode 作为中间表示,避免字段丢失
ObjectMapper mapper = new ObjectMapper();
JsonNode resource = mapper.readTree(getResponseBody());
// 创建可修改的副本
ObjectNode updatedResource = resource.deepCopy();
// 只更新需要修改的字段
updatedResource.put("knownField", newValue);
// 发送更新
putRequest(updatedResource.toString());
这种实现方式确保了:
- 未知字段在 deepCopy() 中被保留
- 只显式修改需要变更的字段
- 原始数据结构完整传递
服务端实现建议
服务端同样需要遵循一些最佳实践:
- 严格输入验证:验证必需字段,但对未知字段保持开放
- 字段合并策略:PUT 操作应采用合并策略而非全量替换
- 版本兼容性:考虑支持多版本字段处理逻辑
测试验证要点
为确保实现正确性,应包含以下测试场景:
- 客户端旧版本处理服务端新字段的完整循环
- 部分字段更新不影响未提及字段
- 错误处理当必需字段被意外删除时
总结
API 的演进兼容性需要客户端和服务端的协同配合。通过采用中间表示层、字段透传和增量更新等模式,可以构建出健壮的 API 交互机制。Zalando 的这条指南不仅适用于 RESTful API,其背后的"宽容阅读器"理念也可应用于其他分布式系统通信场景。
在实际工程实践中,团队应该将这类模式固化为代码模板或共享库,确保所有客户端实现都能一致地遵循这些重要原则。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
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
296
111
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
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143