True Myth项目发布v8.5.0:新增任务重试功能
True Myth是一个专注于提升TypeScript代码安全性的库,它提供了Maybe、Result和Task三种核心类型,分别用于优雅地处理null/undefined值、同步错误以及异步操作。这些类型的设计理念借鉴了函数式编程范式,能够帮助开发者编写更健壮、更易维护的代码。
在最新发布的v8.5.0版本中,True Myth为Task类型新增了一个强大的功能——withRetries方法,这使得处理可能失败的异步操作变得更加简单和可靠。这个功能的灵感来源于Rust语言的retry crate,为TypeScript开发者带来了类似的便利性。
Task.withRetries的核心功能
withRetries方法的核心价值在于它为异步操作提供了自动重试机制。在日常开发中,网络请求、数据库操作等异步任务经常会因为各种临时性问题(如网络波动、服务短暂不可用等)而失败。传统的手动重试逻辑往往会使代码变得冗长且难以维护,而withRetries则提供了一种声明式的解决方案。
该方法的基本用法非常简单:
const fetchTask = Task.withRetries(
() => Task.fromPromise(fetch('https://api.example.com/data'))
);
这个例子会尝试执行fetch请求,如果失败会自动重试最多3次(默认重试次数)。
高级配置与定制
withRetries的真正强大之处在于它的高度可定制性。开发者可以根据具体需求调整重试行为:
-
重试策略配置:True Myth提供了多种内置的重试间隔策略,包括:
- 指数退避(exponential)
- 斐波那契间隔(fibonacci)
- 固定间隔(fixed)
- 立即重试(immediate)
- 线性增长(linear)
- 无间隔(none)
-
状态感知:重试回调函数会接收一个状态对象,包含当前重试次数和已用时间等信息,开发者可以根据这些信息实现更智能的重试逻辑。
-
手动终止:在任何时候都可以通过
stopRetrying()函数主动终止重试过程。
实际应用示例
下面是一个结合了多种高级特性的实际示例:
import * as Task from 'true-myth/task';
import * as Delay from 'true-myth/task/delay';
const fetchWithRetries = Task.withRetries(
({ count, elapsed }) => {
if (elapsed > 5000) { // 超过5秒则放弃
return Task.stopRetrying(`Operation timed out after ${elapsed}ms`);
}
return Task.fromPromise(fetch('https://api.example.com/data'))
.orElse((error) => {
const wrappedError = new Error(`Attempt ${count} failed`, { cause: error });
return Task.reject(wrappedError);
});
},
Delay.exponential({ factor: 2 }).take(5) // 指数退避,最多5次重试
);
技术实现细节
在底层实现上,withRetries巧妙地利用了JavaScript的迭代器协议。重试间隔策略实际上就是生成间隔时间的迭代器,这使得它可以与ES2025的Iterator Helpers无缝配合。即使在不支持最新标准的运行环境中,开发者仍然可以通过生成器函数来实现类似的功能。
值得注意的是,该方法对时间处理采取了务实的态度。由于JavaScript运行时对定时器的执行时间不能提供精确保证,elapsed参数的值可能会略大于理论上的累计等待时间,这种设计避免了开发者对定时精度产生不切实际的期望。
最佳实践建议
-
对于简单的重试场景,直接使用默认配置即可获得良好的效果。
-
对于关键业务操作,建议结合指数退避策略和抖动(jitter)来避免重试风暴。
-
始终考虑设置合理的超时时间,避免无限重试消耗资源。
-
在错误处理中保留原始错误信息,便于后续问题排查。
True Myth的这一更新显著提升了异步错误处理的便捷性和可靠性,使得开发者能够以更少的代码实现更健壮的异步操作。特别是对于需要与不稳定后端服务交互的前端应用,这一功能将大幅简化错误恢复逻辑的实现。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00