解决create-t3-app项目中查询数据未定义错误的技术分析
在create-t3-app项目中,开发者使用tRPC进行数据查询时可能会遇到一个常见问题:当数据库中没有数据时,查询返回undefined导致前端报错。本文将深入分析这个问题的成因、影响范围以及解决方案。
问题背景
create-t3-app是一个流行的全栈开发模板,集成了Next.js、tRPC、Prisma/Drizzle等技术栈。在默认的项目结构中,包含了一个获取最新文章的示例查询功能。当新项目初始化后,数据库通常是空的,这时查询操作会返回undefined,而前端没有正确处理这种情况,导致运行时错误。
错误表现
前端控制台会显示以下错误信息:
Unhandled Runtime Error. Error: [["post","getLatest"],{"type":"query"}] data is undefined
Query data cannot be undefined. Please make sure to return a value other than undefined from your query function.
技术原因分析
-
tRPC查询规范:tRPC要求查询处理函数必须返回明确的值,不能返回undefined。这是为了确保类型安全和一致的数据处理。
-
数据库空状态:在新项目初始化后,posts表通常是空的,Drizzle ORM的findFirst方法在这种情况下会返回undefined。
-
前端处理不足:示例代码直接使用了useSuspenseQuery钩子,但没有考虑空数据状态的处理。
解决方案
后端修复方案
在后端tRPC路由中,应该显式处理空数据情况,返回null而不是undefined:
getLatest: publicProcedure.query(async ({ ctx }) => {
const post = await ctx.db.query.posts.findFirst({
orderBy: (posts, { desc }) => [desc(posts.createdAt)],
});
return post ?? null; // 确保不返回undefined
}),
前端优化方案
- 使用常规useQuery替代useSuspenseQuery:
const { data: latestPost } = api.post.getLatest.useQuery();
- 添加加载状态处理:
const { data: latestPost, isLoading } = api.post.getLatest.useQuery();
if (isLoading) return <div>Loading...</div>;
if (!latestPost) return <div>No posts found</div>;
最佳实践建议
-
防御性编程:始终假设查询可能返回空值,并在前后端都做好相应处理。
-
类型安全:确保TypeScript类型反映了可能的空值状态,例如
Post | null而不是Post。 -
错误边界:在React组件中使用ErrorBoundary捕获和处理可能的查询错误。
-
初始数据:考虑在项目初始化时自动填充一些示例数据,避免空状态问题。
总结
这个问题的解决展示了全栈开发中前后端协作的重要性。后端需要确保API契约的稳定性,前端则需要处理所有可能的数据状态。create-t3-app作为模板项目,通过修复这个问题,为开发者提供了更健壮的示例代码,有助于构建更稳定的应用程序。
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