Apollo Kotlin 中枚举类型的优化方案解析
2025-06-18 23:35:06作者:余洋婵Anita
背景介绍
在 GraphQL 开发中,枚举类型是常见的数据结构。Apollo Kotlin 作为一款流行的 GraphQL 客户端库,其枚举类型的处理方式直接影响开发体验。当前版本中,Apollo Kotlin 生成的枚举类型会自动包含一个 UNKNOWN__ 的默认值,这在某些场景下可能带来不便。
当前实现的问题
Apollo Kotlin 目前生成的枚举类型会强制包含 UNKNOWN__ 值,这导致开发者在编写 when 表达式时必须显式处理这个默认情况:
when(color) {
BLUEBERRY -> TODO()
CANDY -> TODO()
__UNKNOWN -> TODO() // 必须处理
}
这种设计虽然确保了类型安全,但增加了开发者的心智负担,特别是在枚举值较多的情况下,每个 when 表达式都需要处理 UNKNOWN__ 情况。
解决方案探讨
社区提出了一个优化方案:生成两个版本的枚举类型:
- 完整枚举:包含所有可能值,包括
UNKNOWN__ - 已知值枚举:仅包含 GraphQL schema 中明确定义的值
这种设计借鉴了 Apollo iOS 的实现思路,但采用了更符合 Kotlin 习惯的方式。开发者可以通过简单的扩展函数 unwrap() 来获取仅包含已知值的枚举:
when(color.unwrap()) {
BLUEBERRY -> TODO()
CANDY -> TODO()
// 不再需要处理 UNKNOWN__ 情况
}
技术实现细节
实现这一方案的关键点包括:
- 代码生成策略:在编译时生成两个版本的枚举类型
- 类型安全:确保运行时不会出现未处理的枚举值
- 兼容性:保持与现有代码的向后兼容
Apollo Kotlin 团队已经实现了原型,通过生成 knownEntries 列表来提供仅包含已知值的枚举版本。开发者可以根据需要选择使用完整枚举或已知值枚举。
最佳实践建议
对于不同场景,推荐以下使用方式:
- 网络边界:使用完整枚举,确保能处理服务器可能返回的任何值
- 业务逻辑:使用已知值枚举,简化代码逻辑
- UI 层:根据需求选择,如果 UI 需要显示未知值提示,则使用完整枚举
未来展望
这一改进将使 Apollo Kotlin 的枚举处理更加灵活,既保持了类型安全的优势,又减少了样板代码。开发者可以根据具体场景选择最适合的枚举版本,获得更好的开发体验。
对于已经熟悉 Apollo iOS 的开发者,这一改变也能降低跨平台开发的学习成本,使两个平台的 API 设计更加一致。
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
Ascend Extension for PyTorch
Python
222
245
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
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217