Axios项目中Fetch适配器与流式请求的阻塞问题分析
2025-04-28 10:32:21作者:郁楠烈Hubert
问题背景
在Web开发中,Server-Sent Events(SSE)是一种常见的服务器推送技术,它允许服务器向客户端单向发送事件。在使用Axios库时,开发者发现当使用fetch适配器处理SSE流式请求时,会导致其他并发的普通请求被阻塞,处于永久挂起状态。
问题现象
开发者在使用Axios的fetch适配器实现SSE客户端时,遇到了一个奇怪的现象:当发起一个配置了responseType: 'stream'的GET请求后,系统中其他某些特定的API请求会被永久阻塞。具体表现为:
- SSE请求本身可以成功建立连接
- 其他某些特定端点(如用户信息接口)的请求会一直处于pending状态
- 服务器端甚至没有收到这些被阻塞的请求
- 问题不仅限于Axios的fetch适配器,使用其他专门的SSE客户端库也会出现同样问题
技术分析
流式请求的特点
流式请求与传统HTTP请求有几个关键区别:
- 连接保持:SSE连接会长期保持打开状态,服务器可以持续推送数据
- 响应处理:客户端需要以流的方式逐步处理响应数据,而不是等待完整响应
- 协议要求:必须使用特定的
text/event-stream内容类型
问题根源
经过深入排查,发现问题的真正根源在于服务器端实现:
- 响应包装问题:服务器使用了Spring框架的过滤器对响应进行包装,目的是记录日志
- 流式不兼容:这种包装方式与流式响应不兼容,特别是当响应中既包含SSE事件又包含普通消息时
- 连接争用:不恰当的包装导致HTTP连接被异常占用,进而阻塞了其他请求
解决方案
要解决这个问题,需要从服务器端进行调整:
- 移除响应包装:对于SSE端点,应该绕过任何响应包装或日志记录过滤器
- 纯事件流:确保响应只包含符合SSE协议的事件数据,不混合其他内容
- 连接管理:正确实现HTTP连接池管理,避免连接被不当占用
最佳实践
在使用Axios处理SSE或其他流式请求时,建议:
- 专用端点:为SSE使用专门的API端点,不与其他功能混合
- 适当配置:正确设置请求头(
Accept: text/event-stream)和响应类型 - 服务器优化:确保服务器端对SSE有专门处理逻辑,不应用通用过滤器
- 连接监控:实现连接状态监控,及时发现和释放异常连接
总结
这个问题展示了HTTP流式请求与传统请求处理的重要区别。开发者在使用高级网络功能时,需要全面考虑客户端和服务器端的协同工作方式。特别是对于长连接和流式传输场景,传统的请求-响应模型中的许多假设不再适用,需要特别处理。通过理解底层机制和正确配置,可以避免这类看似诡异的问题。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0245
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
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
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 Notebook0182
kornia🐍 空间人工智能的几何计算机视觉库Python03
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
786
5.15 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
899
2.08 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
721
1.45 K
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
767
991
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
471
481
CANN 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 Notebook
484
181
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++
1.13 K
1.17 K
昇腾LLM分布式训练框架
Python
189
241
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
157
249