tus-js-client 中实现上传完成回调的最佳实践
2025-07-02 08:11:55作者:袁立春Spencer
在基于浏览器的文件上传场景中,tus-js-client 作为实现 TUS 断点续传协议的核心库,其异步上传特性常常需要开发者处理上传完成后的回调逻辑。本文将深入探讨如何优雅地封装上传过程,实现上传完成后的响应处理。
核心问题分析
原生 tus.Upload 实例采用事件驱动模式,通过 onSuccess 和 onError 回调处理上传结果。这种模式在现代前端开发中(特别是 React/Vue 等框架)往往需要转换为更符合开发者习惯的 Promise 模式,以便于在 async/await 语法中使用。
解决方案实现
通过 Promise 封装是最符合工程实践的解决方案:
const tusUpload = (file: File) => {
return new Promise((resolve, reject) => {
const upload = new tus.Upload(file, {
endpoint: 'YOUR_TUS_ENDPOINT',
retryDelays: null,
onError: (error) => {
reject(error);
},
onSuccess: () => {
try {
const response = JSON.parse(upload.lastResponse.getBody());
resolve(response);
} catch (e) {
reject(new Error('Failed to parse response'));
}
}
});
upload.start();
});
};
关键实现要点
- 错误处理强化:除了网络错误,还应该处理响应解析错误
- 响应解析:TUS 协议响应通常是 JSON 格式,需要显式解析
- 类型安全:在 TypeScript 中建议定义明确的返回类型
- 取消支持:可扩展实现上传取消功能
实际应用示例
在 React 组件中的典型用法:
const handleUpload = async (file) => {
try {
setUploadStatus('uploading');
const result = await tusUpload(file);
await createProject({ video_id: result.id });
setUploadStatus('success');
} catch (error) {
setUploadStatus('error');
showErrorToast(error.message);
}
};
进阶优化建议
- 进度监控:可结合 onProgress 回调实现上传进度显示
- 并发控制:对于批量上传场景需要实现队列管理
- 重试策略:根据业务需求定制 retryDelays 参数
- 内存管理:大文件上传时注意内存释放
总结
通过 Promise 封装 tus-js-client 的上传过程,不仅使代码更符合现代前端开发范式,还能更好地与状态管理、错误处理等系统集成。这种模式特别适合需要在上传完成后执行后续业务逻辑的场景,如创建关联记录、更新UI状态等。开发者可以根据实际需求扩展基础实现,构建更健壮的上传解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210