深入理解Dio中的QueuedInterceptors与并发请求处理
2025-05-18 05:38:02作者:蔡怀权
引言
在Flutter网络请求库Dio的实际应用中,拦截器(Interceptors)是一个非常强大的功能,特别是QueuedInterceptors(队列拦截器)在处理需要顺序执行的网络请求时尤为重要。本文将深入探讨如何在并发请求场景下正确使用QueuedInterceptors,特别是处理如CSRF令牌刷新这类需要顺序执行的网络操作。
QueuedInterceptors的基本原理
QueuedInterceptors是Dio提供的一种特殊拦截器,它会将请求放入队列中顺序处理,而不是并行处理。这种机制对于需要保证请求顺序的场景特别有用,例如:
- 需要先获取访问令牌再进行后续请求
- 需要保证请求的先后顺序
- 需要避免并发修改共享资源
并发请求中的令牌刷新问题
在实际开发中,我们经常会遇到这样的场景:多个并发请求同时发现令牌过期,都尝试刷新令牌,导致多次不必要的令牌刷新操作。这不仅浪费资源,还可能导致令牌不一致的问题。
解决方案分析
基础实现方案
最简单的实现方式是使用QueuedInterceptorsWrapper来包装我们的拦截器逻辑:
dio.interceptors.add(
QueuedInterceptorsWrapper(
onRequest: (requestOptions, handler) {
// 添加令牌到请求头
if (token != null) {
requestOptions.headers['Authorization'] = 'Bearer $token';
}
handler.next(requestOptions);
},
onError: (error, handler) async {
// 处理401错误,刷新令牌
if (error.response?.statusCode == 401) {
final newToken = await refreshToken();
// 更新令牌并重试请求
token = newToken;
final retried = await dio.fetch(error.requestOptions);
handler.resolve(retried);
}
},
),
);
并发场景下的优化
上述基础实现在并发请求场景下会出现多次刷新令牌的问题。我们需要添加令牌状态检查:
onError: (error, handler) async {
if (error.response?.statusCode == 401) {
// 检查当前请求的令牌是否与保存的令牌一致
final requestToken = error.requestOptions.headers['Authorization'];
if (requestToken == 'Bearer $currentToken') {
// 只有当前请求的令牌与保存的令牌一致时才刷新
final newToken = await refreshToken();
currentToken = newToken;
}
// 使用新令牌重试请求
final retried = await dio.fetch(error.requestOptions..headers['Authorization'] = 'Bearer $currentToken');
handler.resolve(retried);
}
}
完整的最佳实践方案
结合令牌历史记录和并发控制,我们可以实现一个更健壮的解决方案:
class TokenManager {
String? _currentToken;
final List<TokenHistory> _history = [];
String? get currentToken => _currentToken;
void updateToken(String newToken, int requestId) {
_history.add(TokenHistory(
previous: _currentToken,
current: newToken,
updatedAt: DateTime.now(),
updatedBy: requestId,
));
_currentToken = newToken;
}
void printHistory() {
// 打印令牌变更历史
}
}
// 在拦截器中使用
onError: (error, handler) async {
if (error.response?.statusCode == 401) {
final requestToken = error.requestOptions.headers['Authorization'];
if (requestToken == 'Bearer ${tokenManager.currentToken}') {
final newToken = await refreshToken();
tokenManager.updateToken(newToken, error.requestOptions.hashCode);
}
final retried = await dio.fetch(
error.requestOptions..headers['Authorization'] = 'Bearer ${tokenManager.currentToken}'
);
handler.resolve(retried);
}
}
关键点总结
- 顺序处理:QueuedInterceptors确保请求按顺序处理,避免并发问题
- 令牌状态检查:在刷新令牌前检查当前令牌状态,避免不必要的刷新
- 历史记录:维护令牌变更历史,便于调试和问题追踪
- 错误处理:合理处理各种错误场景,确保应用健壮性
实际应用建议
在实际项目中,建议:
- 将令牌管理逻辑封装成独立类,提高代码复用性
- 添加日志记录,便于追踪令牌变更和请求流程
- 考虑添加令牌过期时间检查,提前刷新令牌
- 在复杂场景下,可以考虑使用互斥锁等机制进一步保证线程安全
结语
Dio的QueuedInterceptors配合合理的令牌管理策略,可以有效地处理并发请求场景下的令牌刷新问题。理解其工作原理并正确实现,能够显著提升应用的稳定性和性能。希望本文的分析和方案能够帮助开发者更好地处理类似场景。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
492
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
343
146