Wretch项目中处理HTTP请求中断重试的技术方案
2025-06-10 20:47:00作者:昌雅子Ethen
在基于Node.js的HTTP客户端开发中,处理网络中断和服务器异常是常见的挑战。本文将深入分析使用Wretch库时遇到的连接中断问题,并提供一个可靠的解决方案。
问题背景
在开发HTTP客户端应用时,我们经常会遇到以下两种异常情况:
- 服务器返回错误状态码(如502)
- 传输过程中连接被意外中断
Wretch是一个轻量级的HTTP请求库,提供了方便的API和中间件机制。其内置的retry中间件可以自动处理第一种情况,但对于传输过程中的连接中断却无法自动恢复。
技术分析
通过分析问题场景,我们发现核心原因在于:
- retry中间件默认只检查初始响应状态码
- 当响应体传输过程中发生中断时,错误会直接抛出到调用链
- 标准重试机制无法捕获这种后期发生的网络错误
解决方案
Wretch提供了灵活的中间件扩展机制,我们可以通过自定义重试条件来解决这个问题:
import wretch from 'wretch'
import { retry } from "wretch/middlewares"
async function fetchWithRetry() {
return wretch("http://example.com")
.middlewares([retry({
retryOnNetworkError: true,
until: async (response, error) => {
if (!response?.ok || error) {
return false // 状态码错误或网络错误时重试
}
try {
// 预读取响应体以检测传输错误
const reader = response.clone().body.getReader()
await (async function process({ done, value }) {
if (done) return
return process(await reader.read())
})(await reader.read())
return true // 成功读取完整响应体
} catch (readError) {
return false // 读取过程中出错则重试
}
}
})])
.get()
.blob()
}
实现原理
这个解决方案的关键点在于:
- 预读取机制:通过克隆响应体并尝试完整读取,提前发现可能的传输中断
- 双重检查:既检查初始响应状态,又验证数据传输完整性
- 资源管理:使用克隆的响应体进行预读,避免影响实际数据处理
性能考量
虽然预读取会增加少量开销,但相比网络中断导致的重复请求,这种方案实际上更高效:
- 避免了因中断导致已传输数据的浪费
- 减少了用户感知的延迟
- 通过流式处理保持内存效率
适用场景
这种增强型重试机制特别适合:
- 大文件下载场景
- 不稳定的网络环境
- 需要高可靠性的数据传输应用
总结
通过扩展Wretch的重试逻辑,我们实现了对完整请求生命周期的错误处理。这种方案不仅解决了连接中断问题,还为开发者提供了更健壮的HTTP客户端实现。在实际应用中,开发者可以根据具体需求调整预读取策略和重试条件,以获得最佳的性能和可靠性平衡。
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 StartedRust0211
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 Notebook0135
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
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
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 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++
871
2.01 K
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
468
461
Ascend Extension for PyTorch
Python
756
956
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++
695
1.39 K
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
182
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
644