深入理解@hey-api/client-fetch中的客户端管理机制
2025-07-02 20:50:33作者:凤尚柏Louis
背景介绍
在现代Web开发中,前后端分离架构已成为主流。@hey-api/client-fetch作为一个强大的OpenAPI客户端生成工具,能够根据后端API定义自动生成类型安全的客户端代码。然而,在实际应用中,特别是在服务端渲染(SSR)场景下,客户端实例的管理方式可能会带来一些挑战。
核心问题分析
在@hey-api/client-fetch的默认实现中,服务函数接收一个包含可选client属性的options参数。当不显式传递client时,系统会使用services.gen.ts中定义的默认客户端实例。这种设计在浏览器端运行良好,因为每个用户都有自己的浏览器环境,客户端实例自然隔离。
但在服务端场景下,特别是需要处理多用户请求时,这种单例模式会带来问题:
- 不同用户共享同一个客户端实例
- 认证信息(如access token)可能被错误地跨用户共享
- 可能导致安全问题和功能异常
解决方案演进
项目维护者针对这一问题提供了两种解决方案:
1. 配置禁用默认客户端
最新版本中,可以通过设置sdk.client为false来禁用默认客户端生成。这样所有服务调用都必须显式提供客户端实例,强制开发者正确处理每个请求的客户端隔离。
2. Next.js专用客户端
针对Next.js应用场景,项目计划提供专门的客户端实现,这将更好地处理服务端渲染环境下的客户端管理问题。虽然目前优先级不高,但这是未来的发展方向。
最佳实践建议
对于需要在服务端使用@hey-api/client-fetch的开发者,建议:
- 升级到最新版本,利用
sdk.client = false配置 - 为每个用户请求创建独立的客户端实例
- 在中间件层统一处理客户端创建和配置
- 避免在全局作用域存储任何与用户相关的客户端状态
技术实现细节
在底层实现上,这个功能是通过修改代码生成逻辑实现的。当禁用默认客户端时:
- services.gen.ts不再包含默认客户端导出
- 所有生成的服务函数类型定义将client标记为必需属性
- 调用时必须显式提供配置好的客户端实例
这种设计既保持了API的简洁性,又解决了服务端环境下的隔离问题。
总结
@hey-api/client-fetch通过灵活的客户端管理机制,既支持简单的浏览器端使用场景,也能满足复杂的服务端多用户隔离需求。理解这一机制对于构建安全、可靠的Web应用至关重要,特别是在全栈应用和服务器渲染场景下。随着框架的不断发展,未来还会提供更多针对特定环境的优化解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
操作系统概念第六版PDF资源全面指南:适用场景与使用教程 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
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
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
375
3.24 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
617
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258