Redux Toolkit Query 中自动刷新 Token 的实现与常见问题
2025-05-21 01:07:38作者:何举烈Damon
理解 RTK Query 的认证流程
Redux Toolkit Query(RTK Query)是 Redux Toolkit 提供的一个强大的数据获取和缓存解决方案。在实际应用中,处理认证流程特别是 Token 刷新是一个常见需求。本文将详细介绍如何实现自动刷新 Token 的功能,并分析一个典型的问题场景。
核心实现方案
RTK Query 提供了扩展基础查询(baseQuery)的能力,允许我们在请求失败时(如 401 未授权错误)自动刷新访问令牌。关键实现步骤如下:
- 创建互斥锁:使用 async-mutex 库确保同一时间只有一个刷新 Token 的请求
- 扩展基础查询:包装原始的 fetchBaseQuery,添加自动刷新逻辑
- 处理 401 错误:检测到未授权错误时尝试刷新 Token
- 重试原始请求:获取新 Token 后重新发送原始请求
典型问题分析
在实现过程中,开发者可能会遇到一个常见问题:无法从注入的端点中解构出 React Hook。这通常是由于错误的导入路径导致的。
问题表现
当尝试从注入的 API 中解构出类似 useGetUserByIdQuery 这样的 React Hook 时,TypeScript 会报错提示该 Hook 不存在。错误信息会指出类型定义中缺少相应的 Hook。
根本原因
这个问题源于错误的导入路径。RTK Query 提供了两个入口点:
- 核心功能入口:
@reduxjs/toolkit/query - React 专用入口:
@reduxjs/toolkit/query/react
只有从 React 专用入口导入时,才会自动生成 React Hook。如果从核心功能入口导入,虽然 API 能正常工作,但不会生成 React Hook。
解决方案
只需将导入语句从:
import {createApi, fetchBaseQuery} from '@reduxjs/toolkit/query';
修改为:
import {createApi, fetchBaseQuery} from '@reduxjs/toolkit/query/react';
完整实现示例
以下是结合自动刷新 Token 功能的完整实现示例:
import {createApi, fetchBaseQuery} from '@reduxjs/toolkit/query/react';
import type {BaseQueryFn, FetchArgs, FetchBaseQueryError} from '@reduxjs/toolkit/query';
import {Mutex} from 'async-mutex';
const mutex = new Mutex();
const baseQuery = fetchBaseQuery({baseUrl: '/'});
const baseQueryWithReauth: BaseQueryFn<
string | FetchArgs,
unknown,
FetchBaseQueryError
> = async (args, api, extraOptions) => {
await mutex.waitForUnlock();
let result = await baseQuery(args, api, extraOptions);
if (result.error?.status === 401) {
if (!mutex.isLocked()) {
const release = await mutex.acquire();
try {
const refreshResult = await baseQuery('/refreshToken', api, extraOptions);
if (refreshResult.data) {
result = await baseQuery(args, api, extraOptions);
}
} finally {
release();
}
} else {
await mutex.waitForUnlock();
result = await baseQuery(args, api, extraOptions);
}
}
return result;
};
export const baseApi = createApi({
reducerPath: 'baseApi',
baseQuery: baseQueryWithReauth,
endpoints: () => ({}),
});
export const extendedApi = baseApi.injectEndpoints({
endpoints: (builder) => ({
getUserById: builder.query<any, {userId: string; accessToken: string}>({
query: ({userId, accessToken}) => ({
url: `user.get?ID=${userId}`,
headers: {Authorization: `Bearer ${accessToken}`},
}),
}),
}),
});
export const {useGetUserByIdQuery} = extendedApi;
最佳实践建议
- 错误处理:在刷新 Token 失败时应添加适当的错误处理逻辑,如跳转到登录页
- Token 存储:刷新成功后需要更新存储中的 Token,可以通过 dispatch action 实现
- 性能考虑:避免频繁刷新 Token,可以在请求前检查 Token 是否即将过期
- 类型安全:为查询参数和返回类型定义明确的接口,而不是使用
any
通过正确实现自动刷新 Token 功能,可以显著提升应用的用户体验,避免因 Token 过期导致的频繁重新登录问题。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
134