Zalando RESTful API 指南:API 实现最佳实践
2025-06-27 12:46:29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
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 StartedRust0231
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
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
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 Notebook0150
kornia🐍 空间人工智能的几何计算机视觉库Python02
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02
项目优选
收起
暂无描述
Dockerfile
782
5.11 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++
892
2.06 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
471
473
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++
710
1.43 K
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
763
972
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.27 K
681
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++
1.11 K
1.15 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
1.04 K
272
Claude 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 Started
Rust
2.18 K
231