Apollo Kotlin 4.1.0版本中HTTP错误响应的异常处理变更解析
2025-06-18 10:16:23作者:董灵辛Dennis
在Apollo Kotlin 4.1.0版本中,开发者可能会注意到一个重要的行为变更:当HTTP请求失败时(例如返回401状态码),响应对象中不再包含异常信息。这一变化源于对GraphQL over HTTP规范中application/graphql-response+json媒体类型的支持。
变更背景 在4.0.1版本中,当HTTP请求失败时,ApolloResponse会包含一个ApolloHttpException,开发者可以直接从响应中获取异常信息。而在4.1.0版本中,响应对象可能既没有数据(data)也没有错误(errors),这给错误处理带来了新的挑战。
技术原理
这一变更实际上是对GraphQL over HTTP规范的更好支持。根据规范,GraphQL服务应该使用application/graphql-response+json媒体类型来返回响应,其中包含了标准化的错误处理机制。当服务端采用这种响应格式时,所有错误信息都应该通过GraphQL errors字段传递,而不是依赖HTTP状态码。
解决方案 对于需要恢复旧有行为的开发者,可以通过以下方式实现:
- 使用ApolloInterceptor拦截请求:
.addInterceptor(object : ApolloInterceptor {
override fun <D : Operation.Data> intercept(
request: ApolloRequest<D>,
chain: ApolloInterceptorChain,
): Flow<ApolloResponse<D>> {
return chain.proceed(request).onEach {
val httpInfo = it.executionContext[HttpInfo]
if (httpInfo != null && httpInfo.statusCode !in 200..299) {
throw ApolloHttpException(httpInfo.statusCode, httpInfo.headers, null, "HTTP请求失败")
}
}
}
})
- 更推荐的做法是让服务端在GraphQL errors中包含详细的错误信息:
{
"errors": [
{
"message": "授权失败",
"extensions": {
"code": 401
}
}
]
}
最佳实践 建议开发者逐步过渡到使用GraphQL层的错误处理机制,而不是依赖HTTP状态码。这种方式具有以下优势:
- 错误信息更加结构化
- 可以包含多个错误
- 支持自定义错误代码和元数据
- 符合GraphQL规范
对于暂时无法修改服务端实现的场景,可以使用上述拦截器方案作为过渡方案。
总结 Apollo Kotlin 4.1.0的这一变更虽然带来了短期的适配成本,但从长远来看推动了对GraphQL规范更好的支持。开发者应当根据自身项目情况选择合适的适配方案,并考虑推动服务端实现更规范的GraphQL错误响应机制。
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
238
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
671
156
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
261
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
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217