Strawberry GraphQL 0.268.0版本发布:GraphQL ID类型优化解析
Strawberry是一个基于Python的现代GraphQL库,它提供了简洁的API和强大的类型系统,让开发者能够轻松构建GraphQL服务。该项目采用Python的类型注解特性,使得定义GraphQL schema变得直观且类型安全。
在最新发布的0.268.0版本中,Strawberry对GraphQL ID类型的处理进行了重要改进。这一变更主要影响了使用Relay规范进行开发的GraphQL服务。
ID类型命名优化
在之前的版本中,当开发者使用relay.Node接口定义类型时,生成的GraphQL schema会使用GlobalID作为ID字段的类型。例如:
type Fruit implements Node {
id: GlobalID!
name: String!
}
从0.268.0版本开始,Strawberry将默认使用更标准的ID类型名称:
type Fruit implements Node {
id: ID!
name: String!
}
这一变更使Strawberry生成的schema更加符合GraphQL规范,因为GraphQL规范中定义的标准标量类型就是ID而非GlobalID。这种改变提高了与其他GraphQL工具的兼容性,同时保持了原有的功能不变。
向后兼容性考虑
Strawberry团队考虑到了这一变更可能对现有项目造成的影响,因此提供了向后兼容的选项。如果开发者需要保持原有的GlobalID类型名称,可以通过配置Schema来实现:
schema = strawberry.Schema(
query=Query,
config=StrawberryConfig(relay_use_legacy_global_id=True)
)
这种设计体现了Strawberry对开发者友好和渐进式改进的理念,让团队可以平滑过渡到新版本。
运行时行为保持不变
值得注意的是,这一变更仅影响生成的GraphQL schema中的类型名称,而不会改变实际的运行时行为。在Python代码中,开发者仍然可以使用relay.GlobalID类来处理ID相关的逻辑。例如:
@strawberry.type
class Mutation:
@strawberry.mutation
@staticmethod
async def update_fruit_weight(id: relay.GlobalID, weight: float) -> Fruit:
fruit = await id.resolve_node(info, ensure_type=Fruit)
fruit.weight = weight
return fruit
在这个例子中,虽然GraphQL schema中的参数类型显示为ID,但在Python代码中id参数仍然是relay.GlobalID的实例,保持了原有的功能和行为。
对开发者的影响
对于大多数项目来说,这一变更应该是透明的,不会影响现有功能。主要影响可能体现在:
- 文档生成工具生成的文档中ID类型名称的变化
- 客户端代码生成工具生成的类型定义
- 一些依赖特定类型名称的GraphQL工具或中间件
如果项目中有任何依赖于GlobalID类型名称的逻辑,开发者需要考虑进行相应的调整或使用兼容性配置。
总结
Strawberry 0.268.0版本的这一改进体现了项目团队对GraphQL规范一致性的追求,同时也考虑到了实际开发中的兼容性需求。通过这样的优化,Strawberry继续巩固其作为Python生态中优秀GraphQL解决方案的地位,为开发者提供更规范、更灵活的API开发体验。
对于新项目,建议直接使用新的ID类型名称;对于现有项目,可以根据实际情况决定是否立即迁移或暂时使用兼容性配置。这种渐进式的改进方式使得升级过程更加平滑可控。
kernelopenEuler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。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00