AnalogJS 项目中如何实现 Monorepo 架构下的路由共享方案
2025-06-28 12:24:55作者:卓艾滢Kingsley
在基于 AnalogJS 框架的 Monorepo 项目中,开发者经常面临一个挑战:如何在多个应用间共享页面路由配置。本文将深入探讨这一问题的解决方案,并介绍 AnalogJS 框架对此提供的支持。
核心问题分析
在传统的单仓库多应用(Monorepo)架构中,特别是使用 NX 等工具时,通常会遇到以下情况:
- 多个应用作为"外壳"存在,实际业务逻辑和页面组件位于共享库中
- 路由配置需要跨应用共享,但默认情况下 AnalogJS 的路由器只监控应用目录下的页面
- 需要统一管理 API 路由和 tRPC 路由配置
解决方案演进
初始方案:自定义路由提供器
最初开发者尝试通过创建自定义路由提供器来解决这个问题。这需要访问框架内部的一些功能,如:
createRoutes:用于从文件对象创建路由配置updateMetaTagsOnRouteChange:用于处理路由变更时的元标签更新
虽然这种方法可行,但它依赖于框架内部实现,不够优雅且可能带来维护问题。
改进方案:利用 Angular 的 ROUTES 多令牌
更优雅的解决方案是利用 Angular 提供的 ROUTES 多令牌特性。这种方案的优势在于:
- 完全基于 Angular 官方机制,无需依赖框架内部实现
- 可以灵活组合多个来源的路由配置
- 保持代码的整洁性和可维护性
实现方式如下:
export const appConfig: ApplicationConfig = {
providers: [
{ provide: ROUTES, useValue: customRoutes, multi: true },
provideFileRouter(withNavigationErrorHandler(console.error)),
provideHttpClient(withFetch()),
provideClientHydration(),
],
};
完整实现方案
页面路由共享
- 在共享库中导出页面路由配置:
const pagesRaw = import.meta.glob<RouteExport>(['./pages/**/*.page.ts']);
export const mPages = prepareRouteFileObject(pagesRaw);
- 在应用中合并路由:
import { mPages as mPagesA } from '@modules/mod-a';
import { mPages as mPagesB } from '@modules/mod-b';
export const PAGE_ROUTES = mergePageRoutes(mPagesA, mPagesB);
- 创建并注册路由:
const customRoutes = createRoutes(PAGE_ROUTES);
{ provide: ROUTES, useValue: customRoutes, multi: true }
API 路由处理
对于 Nitro 的 API 路由,需要通过修改 Vite 配置来实现:
analog({
nitro: {
scanDirs: [...API_ROUTES, normalizePath(`${__dirname}/src/server`)],
rollupConfig: {
plugins: [typescriptPaths({ tsConfigPath: 'tsconfig.base.json' })]
}
}
})
tRPC 路由整合
- 在各模块中定义子路由:
export const noteRouter = router({
// ...路由定义
});
- 导出模块级路由:
export const mTRPCRouter = router({
note: noteRouter,
});
- 在应用中合并所有 tRPC 路由:
export const TRPC_ROUTER = combineRouters([mA_TRPCRouter, mB_TRPCRouter]);
框架支持改进
AnalogJS 框架在 0.2.44 版本中增加了对 Monorepo 路由共享的官方支持,主要包括:
- 导出
createRoutes方法,允许从文件对象创建路由 - 公开
Files和RouteExport类型,便于类型安全地传递路由配置 - 优化了路由元标签更新的实现方式
最佳实践建议
- 路由配置应该尽可能靠近业务模块,而不是应用外壳
- 对于大型项目,考虑将路由配置工具函数封装为共享库
- 注意区分客户端和服务端环境下的路由处理
- 保持路由配置的强类型,充分利用 TypeScript 的类型系统
通过这套方案,开发者可以在 AnalogJS 项目中实现优雅的跨应用路由共享,同时保持代码的整洁性和可维护性。这种架构特别适合中大型项目,能够显著提高代码复用率并降低维护成本。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322