Apollo iOS 中 JSONRequest 和 HTTPRequest 忽略缓存策略的问题解析
2025-06-17 03:42:06作者:宣利权Counsellor
问题背景
在 Apollo iOS 客户端库的使用过程中,开发者发现即使将查询的缓存策略设置为 fetchIgnoringCacheCompletely,系统仍然返回了缓存数据。这显然与预期行为不符,因为该策略本应完全忽略缓存并从服务器获取最新数据。
问题根源
经过深入分析,发现问题出在 JSONRequest 和 HTTPRequest 的实现上。这两个组件在生成 URLRequest 时,没有正确处理传入的 cachePolicy 参数。具体表现为:
- iOS 系统本身通过
URLCache机制提供了请求缓存功能 - 这个功能可以通过
URLRequest的cachePolicy属性进行配置 - Apollo iOS 在创建请求时,没有将自身的缓存策略(
Apollo.CachePolicy)映射为对应的URLRequest.CachePolicy
技术细节
Apollo iOS 提供了多种缓存策略选项:
returnCacheDataElseFetch:优先返回缓存数据,如果没有则从服务器获取fetchIgnoringCacheData:忽略本地缓存数据,但仍可能将响应存入缓存fetchIgnoringCacheCompletely:完全忽略缓存,包括不存储新响应returnCacheDataDontFetch:只返回缓存数据,不从服务器获取returnCacheDataAndFetch:同时返回缓存数据并从服务器获取更新
然而,这些策略并没有正确转换为 iOS 系统级别的缓存控制机制。
解决方案
开发者提出了一个映射方案,将 Apollo 的缓存策略转换为 iOS 的 URLRequest.CachePolicy:
private var requestCachePolicy: URLRequest.CachePolicy {
switch self.cachePolicy {
case .returnCacheDataElseFetch:
.returnCacheDataElseLoad
case .fetchIgnoringCacheData:
.reloadIgnoringLocalCacheData
case .fetchIgnoringCacheCompletely:
// URLRequest 没有完全避免存储响应的选项
.reloadIgnoringLocalCacheData
case .returnCacheDataDontFetch:
.returnCacheDataDontLoad
case .returnCacheDataAndFetch:
// URLRequest 没有对应的行为
.returnCacheDataElseLoad
}
}
注意事项
-
GET 与 POST 的区别:使用 GET 方法时更容易出现缓存问题,因为 iOS 对 POST 请求的缓存行为与 GET 不同。Apollo 默认使用 POST 方法发送 GraphQL 请求。
-
持久化查询:即使使用持久化查询(APQ),GET 方法也不是默认选项。开发者需要明确配置才能使用 GET 方法。
-
缓存控制:最佳实践是遵循服务器返回的
Cache-Control头部指令,这能提供更精确的缓存行为控制。
结论
Apollo iOS 团队已经确认了这个问题,并在后续版本中进行了修复。开发者在使用缓存策略时应当注意:
- 明确了解不同策略的实际行为
- 根据需求选择合适的 HTTP 方法(GET/POST)
- 关注 Apollo iOS 的更新日志,了解缓存策略实现的改进
这个问题的解决确保了 Apollo iOS 的缓存行为更加符合开发者预期,特别是在需要强制从服务器获取最新数据的场景下。
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 StartedRust0198
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 Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
767
5.02 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++
865
1.96 K
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++
692
1.36 K
Ascend Extension for PyTorch
Python
728
903
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
460
455
deepin linux kernel
C
32
16
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++
1.09 K
1.12 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
1.02 K
265
Claude 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 Started
Rust
1.92 K
198
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
1.01 K
631