Uploadthing React 7.3.0版本发布:精细化上传进度控制
Uploadthing是一个专注于文件上传解决方案的开源项目,它提供了简单易用的API和组件,帮助开发者快速实现文件上传功能。该项目特别适合需要处理文件上传的现代Web应用,提供了从基础上传到高级功能的全套工具。
在最新发布的7.3.0版本中,Uploadthing为React组件库带来了一个重要的新特性:上传进度事件的精细化控制。这个功能对于需要精确显示上传进度的应用场景尤为重要。
上传进度控制的三种粒度
新版本引入了uploadProgressGranularity选项,允许开发者根据应用需求选择不同级别的进度事件触发频率:
-
all模式:这是最详细的级别,会转发XHR上传过程中的每一个进度事件。适合需要实时精确显示上传进度的场景,但可能会产生较多的事件回调。
-
fine模式:每完成1%的上传进度触发一次事件。在精确度和性能之间取得了良好的平衡,适合大多数需要显示进度条的应用。
-
coarse模式(默认):每完成10%的上传进度触发一次事件。这是最节省资源的选项,适合对进度显示要求不高的场景,或者网络条件较差时需要减少通信开销的情况。
技术实现分析
在底层实现上,Uploadthing利用了XMLHttpRequest的progress事件。当设置为all模式时,它会直接转发原生XHR事件;而在fine和coarse模式下,则通过计算当前进度与上次报告进度的差值来决定是否触发新事件。
这种设计既保留了灵活性,又避免了不必要的性能开销。开发者可以根据实际需求选择最合适的粒度,而不用担心底层实现的复杂性。
使用建议
对于大多数应用,默认的coarse模式已经足够。只有在以下情况下考虑调整:
- 上传大文件且用户需要精确了解进度时,可选用
fine模式 - 开发实时监控上传状态的专业工具时,可考虑使用
all模式 - 在移动网络或带宽受限环境中,建议保持
coarse模式以减少开销
总结
Uploadthing React 7.3.0版本的上传进度控制功能为开发者提供了更灵活的选择,使得文件上传体验可以更加精细化地定制。这一改进体现了Uploadthing项目对开发者体验的持续关注,也展示了其在文件上传领域的专业深度。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00