React Query 中 QueryCache onError 的异常处理机制解析
2025-05-02 08:40:23作者:殷蕙予
理解 QueryCache 的全局错误处理
在 React Query 的使用过程中,QueryCache 提供了一个全局的错误处理机制,通过 onError 回调函数可以捕获所有查询发生的错误。然而,许多开发者在使用时会遇到一个常见误区:试图在 onError 中重新抛出错误,期望外部的 try/catch 能够捕获。
错误处理的基本流程
当使用 fetchQuery 发起一个查询时,React Query 的错误处理遵循以下流程:
- 查询函数(queryFn)执行并抛出错误
- QueryCache 的 onError 回调被触发,接收该错误
- fetchQuery 的 Promise 被拒绝(reject),携带相同的错误
关键在于,onError 是一个事件处理器(event handler),它的职责是通知你错误发生了,而不是让你改变错误处理流程。
为什么不应该在 onError 中重新抛出错误
在示例代码中,开发者尝试在 onError 中重新抛出错误,期望外部的 try/catch 能够捕获。这种模式会导致几个问题:
- 错误处理混乱:查询已经处于错误状态,重新抛出会导致两个错误(原始错误和 onError 抛出的错误)
- 状态不一致:React Query 无法确定应该缓存哪个错误状态
- 预期不符:外部 try/catch 无法捕获 onError 中抛出的错误
正确的错误处理模式
正确的做法应该是:
const qc = new QueryClient({
queryCache: new QueryCache({
onError: (error) => {
// 在这里记录错误或发送到监控系统
console.error('查询错误:', error);
// 不要重新抛出!
}
})
});
async function fetchData() {
try {
const data = await qc.fetchQuery({
queryKey: ['data'],
queryFn: async () => {
throw new Error('模拟API错误');
}
});
} catch (e) {
// 这里会捕获到queryFn抛出的错误
console.log('捕获到查询错误', e);
}
}
高级错误处理策略
对于复杂的应用场景,可以考虑以下策略:
-
分层错误处理:
- 使用 onError 进行全局错误日志记录
- 在组件层面处理特定的业务逻辑错误
-
错误分类:
onError: (error) => { if (error instanceof AuthenticationError) { // 处理认证错误 } else if (error instanceof NetworkError) { // 处理网络错误 } } -
错误边界(Error Boundaries):
- 结合 React 的错误边界机制处理渲染时的错误
总结
React Query 的错误处理机制设计得非常明确:onError 用于通知和记录错误,而不应该改变错误处理流程。开发者应该在 onError 中执行副作用操作(如日志记录、错误上报),而在查询调用处处理业务逻辑相关的错误。理解这一设计理念,可以避免许多不必要的错误处理混乱,构建更健壮的应用程序。
记住,良好的错误处理策略应该是分层的、明确的和可预测的。React Query 提供了灵活的工具,但正确的使用方式才能发挥它们的最大价值。
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
134