Wretch项目中上传进度监控的实现挑战
2025-06-10 16:36:40作者:滕妙奇
在Web开发中,文件上传进度监控是一个常见需求,特别是在处理大文件上传时。本文将以wretch项目为例,探讨使用这个轻量级HTTP客户端实现上传进度监控的技术细节和解决方案。
wretch项目简介
wretch是一个基于fetch API的轻量级HTTP客户端库,提供了简洁的链式API和中间件机制。它通过插件(addon)系统扩展功能,其中ProgressAddon就是用来监控请求进度的插件。
上传进度监控的问题
开发者在使用wretch进行文件上传时,发现ProgressAddon无法像axios那样提供上传进度监控功能。这是因为:
- ProgressAddon的设计局限:该插件目前仅支持下载进度监控,不支持上传进度监控
- fetch API的限制:底层fetch API本身不直接提供上传进度事件
解决方案分析
1. 中间件实现方案
通过wretch的中间件机制,可以自行实现上传进度监控:
const uploadWithProgress = (file, onprogress) => (next) => (url, opts) => {
const totalSize = file.size
let loadedSize = 0
const abortController = new AbortController()
file.stream().pipeTo(
new WritableStream({
write: (chunk) => {
loadedSize += chunk.length
onprogress?.(loadedSize, totalSize)
}
}),
{ signal: abortController.signal }
)
return next(url, { ...opts, signal: abortController.signal })
}
这个方案的核心是:
- 使用WritableStream处理文件流
- 在每次写入时计算已上传字节数
- 通过回调函数通知进度变化
2. 改进建议
虽然上述方案可行,但可以进一步优化:
- 将文件大小计算与中间件解耦
- 添加错误处理机制
- 考虑支持分块上传的进度计算
技术对比
与axios相比,wretch在进度监控方面:
- 优点:更轻量,与现代Web API更契合
- 缺点:需要自行实现上传进度监控
最佳实践建议
- 小文件上传:直接使用wretch基础功能,无需进度监控
- 大文件上传:采用中间件方案实现进度监控
- 复杂场景:考虑结合Service Worker实现更精细的控制
总结
wretch作为一个轻量级HTTP客户端,在文件上传进度监控方面需要开发者自行实现相关逻辑。通过中间件机制,我们可以构建出灵活且功能完善的解决方案。理解底层fetch API和流处理机制,是掌握这类高级用法的关键。
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869