Apollo Client中MockedResponse类型变更的技术解析
背景介绍
在Apollo Client 3.9版本中,MockedResponse类型经历了一次重要的变更,这次变更旨在支持动态匹配mock的功能。然而,这一变更也带来了类型系统上的一些挑战,特别是当开发者尝试将特定类型的MockedResponse传递给接受通用MockedResponse数组的函数时。
类型变更详情
在3.9版本之前,MockedResponse的类型定义相对简单:
export type ResultFunction<T> = () => T;
而在3.9版本中,为了支持动态变量匹配,类型定义被修改为:
export type ResultFunction<T, V = Record<string, any>> = (variables: V) => T;
这一变更使得MockedResponse接口也相应发生了变化:
export interface MockedResponse<TData = Record<string, any>, TVariables = Record<string, any>> {
request: GraphQLRequest<TVariables>;
result?: FetchResult<TData> | ResultFunction<FetchResult<TData>, TVariables>;
}
类型系统挑战
这一变更引入了一个类型系统上的挑战:当开发者尝试将一个特定类型的MockedResponse传递给接受通用MockedResponse数组的函数时,TypeScript会报错。这是因为TVariables现在被用在了一个逆变(contravariant)的位置上,这强制了泛型参数的变型规则。
具体来说,当开发者定义:
const response: MockedResponse<MyDocument, MyVariables> = {...}
然后尝试将其传递给:
function createMockLink(mocks: MockedResponse[]) {...}
TypeScript会报错,指出类型不兼容。这是因为TypeScript无法确定我们只会使用构造时提供的类型安全的变量来调用函数。
临时解决方案
在官方修复之前,开发者可以采用以下临时解决方案:
- 显式使用any类型:
const mocks: MockedResponse<any, any>[] = [...];
- 创建辅助类型减少any的使用范围:
type MockedResponseArray = ReadonlyArray<MockedResponse<Record<string, any>, any>>;
官方修复方案
Apollo Client团队提出了一个修复方案,通过调整类型定义来解决这个问题:
interface MockedResponse<TData extends Record<string, any> = any, TVariables extends Record<string, any> = any> {
request: GraphQLRequest<TVariables>;
result?: FetchResult<TData> | ResultFunction<FetchResult<TData>, TVariables>;
variableMatcher?: VariableMatcher<TVariables>;
newData?: ResultFunction<FetchResult<TData>, TVariables>;
}
这一修改既保留了类型安全性,又恢复了将特定类型MockedResponse传递给通用MockedResponse数组的能力。
最佳实践建议
- 当升级到Apollo Client 3.9或更高版本时,注意检查所有MockedResponse相关的类型定义
- 考虑使用辅助类型来集中处理any类型的使用
- 及时更新到包含修复的版本,以获得更好的类型体验
总结
Apollo Client 3.9中对MockedResponse类型的变更是为了支持更强大的动态mock匹配功能,虽然带来了短期的类型系统挑战,但通过团队和社区的共同努力,这一问题已经得到了妥善解决。理解这些类型变更背后的原理,有助于开发者更好地利用Apollo Client的mock功能进行测试。
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 StartedRust0212
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 Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
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
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03