OpenAPI-TS 中间件增强:支持从 onRequest 回调直接返回响应
2025-06-01 03:17:51作者:平淮齐Percy
在构建现代 Web 应用程序时,网络请求的优化是一个永恒的话题。OpenAPI-TS 项目中的 openapi-fetch 包提供了一个强大的中间件系统,允许开发者在请求发出前和收到响应后进行各种处理。然而,现有的中间件机制存在一个限制:无法在请求真正发出前就返回响应。
当前机制的局限性
目前,openapi-fetch 的中间件系统只允许在 onRequest 阶段修改请求配置,但无法中断请求流程。这意味着即使某些请求结果可以被预测或缓存,开发者仍然必须等待网络往返完成才能获得响应。这种设计在以下场景中显得不够灵活:
- 请求去重:当多个相同请求同时发出时,无法复用第一个请求的结果
- 本地缓存:无法直接从本地存储返回缓存数据
- 模拟响应:在开发环境中无法直接返回模拟数据而无需真实网络请求
增强方案解析
新提出的增强方案允许中间件的 onRequest 回调直接返回一个 Response 对象,这将带来以下行为变化:
- 请求短路:当 onRequest 返回 Response 时,实际网络请求将被跳过
- 中间件链终止:后续的 onRequest 处理程序将不会执行
- 响应处理跳过:onResponse 处理程序也不会被调用
这种设计保持了向后兼容性,因为现有的不返回值的中间件仍然可以正常工作。
实际应用示例
让我们看一个缓存中间件的实现示例:
const createCacheMiddleware = (): Middleware => {
const cache = new Map<string, Response>();
// 生成缓存键
const getCacheKey = (request: Request) => `${request.method}:${request.url}`;
return {
async onRequest({ request }) {
const key = getCacheKey(request);
const cached = cache.get(key);
if (cached) {
// 返回缓存响应,跳过实际请求和后续中间件
return cached.clone();
}
},
async onResponse({ request, response }) {
if (response.ok) {
// 缓存成功响应
const key = getCacheKey(request);
cache.set(key, response.clone());
}
}
};
};
这个中间件会在内存中缓存成功的响应。当相同的请求再次发出时,它会直接从缓存返回响应,避免了不必要的网络请求。
技术实现要点
要实现这一功能,openapi-fetch 内部需要做以下调整:
- 修改中间件执行逻辑,检查 onRequest 的返回值
- 当返回值是 Response 时,跳过后续中间件和实际请求
- 确保返回的 Response 对象可以被正确解析和处理
- 保持错误处理的一致性,包括网络错误和解析错误
性能优化潜力
这一增强为性能优化开辟了新途径:
- 离线优先策略:应用可以先检查本地缓存,仅在必要时发起网络请求
- 请求合并:可以将多个相同请求合并为一个,减少服务器负载
- 预加载优化:可以预加载某些资源并在需要时立即返回
- 开发体验提升:开发者可以更方便地实现API模拟,加速前端开发
总结
允许从 onRequest 回调直接返回响应是 openapi-fetch 中间件系统的一个重要增强。它不仅解决了现有机制的限制,还为各种性能优化策略提供了基础。这种改变保持了API的简洁性和向后兼容性,同时显著提升了开发者的灵活性。
对于使用 openapi-fetch 的开发者来说,这一增强意味着可以更高效地控制网络请求流程,实现更复杂的缓存策略和请求优化,最终带来更好的用户体验和更高效的应用程序。
登录后查看全文
热门项目推荐
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 StartedRust0148- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
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
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
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 K
1.01 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
433
392
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
145
237
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
1.15 K
148
暂无简介
Dart
983
250
Oohos_react_native
React Native鸿蒙化仓库
C++
347
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (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
1.67 K
985