Apollo Client 中非规范化对象合并问题解析
2025-05-11 20:20:08作者:彭桢灵Jeremy
问题背景
在使用 Apollo Client 进行 GraphQL 查询时,开发者可能会遇到重复网络请求的问题。这通常是由于缓存机制无法正确处理非规范化对象的合并导致的。本文将通过一个典型案例,深入分析问题原因并提供解决方案。
典型案例分析
在一个 React 应用中,开发者同时使用了两个 useQuery 钩子,分别查询 roadster 对象的不同字段:
- 第一个查询请求
roadster对象的details字段 - 第二个查询请求
roadster对象的name字段
这种情况下,开发者观察到四个网络请求被触发,其中第二个查询被重复执行。这种现象并非 Apollo Client 的缺陷,而是缓存合并策略导致的预期行为。
问题根源
Apollo Client 的缓存系统(InMemoryCache)对于非规范化对象的处理有以下特点:
- 默认情况下,缓存系统会完全替换非规范化对象
- 当两个查询返回相同类型的对象但包含不同字段时,后完成的查询会覆盖前一个查询的结果
- 这种覆盖行为会导致前一个查询认为其数据已丢失,从而触发重新获取
解决方案
针对这类问题,开发者有以下几种解决方案:
方案一:添加唯一标识符
最理想的解决方案是确保所有对象都包含唯一标识符字段 id。这样缓存系统可以正确识别和合并相同实体的不同查询结果。
方案二:自定义合并函数
对于无法添加 id 的情况,可以为特定类型定义自定义合并策略:
new InMemoryCache({
typePolicies: {
Roadster: {
merge: true, // 启用默认合并策略
},
},
})
这种配置会使缓存系统合并相同类型对象的字段,而不是完全替换。在上面的例子中,合并后的 Roadster 对象将同时包含 name 和 details 字段。
方案三:字段级合并策略
对于更复杂的情况,可以实现细粒度的合并函数:
new InMemoryCache({
typePolicies: {
Roadster: {
fields: {
details: {
merge(existing, incoming) {
return incoming || existing;
}
}
}
},
},
})
最佳实践建议
- 始终检查 Apollo Client 的控制台警告信息,这些警告通常会明确指出缓存合并问题
- 在设计 GraphQL 类型时,尽可能包含唯一标识符字段
- 对于无法修改的远程模式,提前规划好类型合并策略
- 在开发阶段密切关注网络请求数量,异常重复请求往往是缓存问题的信号
总结
Apollo Client 的缓存机制为应用性能带来了显著提升,但需要开发者理解其工作原理。通过合理配置类型合并策略,可以有效避免重复请求问题,同时确保数据一致性。对于非规范化对象,特别需要注意合并行为的配置,这是优化 Apollo Client 使用体验的关键环节。
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 StartedRust0447
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
项目优选
收起
暂无描述
Markdown
827
5.48 K
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
494
515
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++
783
1.57 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 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++
970
2.28 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
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。
Markdown
1.26 K
808
CANN 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 Notebook
647
284