React Query 中 HydrationBoundary 导致 Vercel 构建超时的解决方案
2025-05-02 17:00:41作者:胡唯隽
在使用 React Query 进行服务端数据预取时,开发者可能会遇到一个特殊问题:在本地开发环境下运行正常的代码,部署到 Vercel 时却出现构建超时错误。这种情况通常与 HydrationBoundary 的使用方式有关。
问题现象
典型的代码结构如下:
// 服务端组件
const DashboardPage = async () => {
const queryClient = new QueryClient()
await queryClient.prefetchQuery({
queryKey: ['profile'],
queryFn: userService.getProfile
})
return (
<HydrationBoundary state={dehydrate(queryClient)}>
<Header />
</HydrationBoundary>
)
}
// 客户端组件
'use client'
export const Header = () => {
const { data } = useQuery({
queryKey: ['profile'],
queryFn: userService.getProfile
})
return <div>{data?.name}</div>
}
在 Vercel 部署时,系统会报错"Static page generation timeout",提示静态页面生成超时。
问题根源
这个问题主要有两个关键点:
- Promise 解析问题:在服务端预取数据时,直接传递函数引用(userService.getProfile)可能导致 Promise 无法正确解析
- 环境差异:Vercel 的构建环境与本地开发环境存在差异,对异步操作的处理更为严格
解决方案
修改服务端组件中的 prefetchQuery 调用方式:
await queryClient.prefetchQuery({
queryKey: ['profile'],
queryFn: () => userService.getProfile() // 使用箭头函数包装
})
这个修改确保了:
- 明确创建了一个返回 Promise 的函数
- 使 React Query 能够正确追踪异步操作的状态
- 避免了潜在的 Promise 解析问题
最佳实践
在使用 React Query 进行服务端渲染时,建议:
- 总是使用箭头函数包装查询函数
- 在服务端组件中确保所有异步操作都有明确的等待
- 考虑添加错误边界处理预取可能失败的情况
- 对于关键数据,可以添加超时处理逻辑
通过这种方式,可以确保代码在不同环境下都能稳定运行,避免部署时的意外错误。
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
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868