FuelLabs/fuels-ts 项目中的 Schema 构建脚本优化方案
2025-05-02 04:02:52作者:董斯意
在 FuelLabs/fuels-ts 项目中,构建 Schema 的过程是一个关键环节,它确保了 TypeScript 类型定义与 Fuel 核心节点的 GraphQL Schema 保持同步。本文将深入分析当前实现的问题,并提出一个更优雅的解决方案。
当前实现的问题
目前项目中,build:schema 脚本依赖于预先启动在特定端口(如 4000)的 Fuel 核心节点。这种实现方式存在几个明显的缺点:
- 环境依赖性:脚本执行前必须手动启动节点,增加了操作复杂度
- 端口冲突风险:固定端口可能导致与其他服务的冲突
- 测试耦合性:测试用例需要包含节点启动/停止逻辑,增加了测试复杂度
改进方案设计
我们可以重构这一流程,使 Schema 构建脚本能够自主管理节点生命周期:
- 独立节点管理:脚本内部启动临时节点,使用完毕后自动关闭
- 动态端口分配:避免固定端口带来的冲突问题
- 简化测试逻辑:移除测试中不必要的节点管理代码
技术实现细节
新的实现将采用以下技术方案:
// get-fuel-core-schema.mts
import { startFuelCore } from 'fuel-core';
import { generateSchema } from './schema-generator';
async function main() {
const { stop, port } = await startFuelCore({
// 使用随机可用端口
port: 0,
// 其他配置项...
});
try {
await generateSchema({
// 使用动态分配的端口
endpoint: `http://localhost:${port}`,
// 其他参数...
});
} finally {
// 确保节点停止
await stop();
}
}
main().catch(console.error);
方案优势
这一改进带来了多方面的好处:
- 自包含性:脚本不再依赖外部环境,降低了使用门槛
- 可靠性:动态端口分配避免了冲突问题
- 可维护性:简化了测试代码,使测试更专注于业务逻辑
- 一致性:确保每次构建都在干净的环境中执行
实际应用建议
在实际项目中应用这一改进时,建议:
- 更新 package.json 中的脚本定义:
{
"scripts": {
"build:schema": "tsx scripts/get-fuel-core-schema.mts"
}
}
-
移除测试中冗余的节点管理代码,专注于测试业务逻辑
-
考虑添加错误处理和重试机制,提高脚本的健壮性
总结
通过将节点生命周期管理内化到 Schema 构建脚本中,我们实现了更简洁、更可靠的开发工作流。这一改进不仅提升了开发体验,也为项目的持续集成提供了更好的支持。这种模式也可以推广到项目中其他类似场景,实现更一致的开发实践。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
最新内容推荐
Error Correction Coding——mathematical methods and algorithms:深入理解纠错编码的数学精髓 HP DL380 Gen9iLO固件资源下载:提升服务器管理效率的利器 RTD2270CLW/RTD2280DLW VGA转LVDS原理图下载介绍:项目核心功能与场景 JADE软件下载介绍:专业的XRD数据分析工具 常见材料性能参数pdf下载说明:一键获取材料性能参数,助力工程设计与分析 SVPWM的原理及法则推导和控制算法详解第四修改版:让电机控制更高效 Oracle Instant Client for Microsoft Windows x64 10.2.0.5下载资源:高效访问Oracle数据库的利器 鼎捷软件tiptop5.3技术手册:快速掌握4gl语言的利器 源享科技资料大合集介绍:科技学习者的全面资源库 潘通色标薄全系列资源下载说明:设计师的创意助手
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.71 K
Ascend Extension for PyTorch
Python
328
384
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++
876
577
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
335
161
暂无简介
Dart
762
187
🎉 (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
1.33 K
745
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
135