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 StartedRust099- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00