Apollo Cache Hermes:性能调优的缓存实现
2025-05-25 07:26:16作者:何举烈Damon
1. 项目介绍
Apollo Cache Hermes 是一个针对 Apollo 客户端的缓存实现,专为处理重量级的 GraphQL 负载而优化。它通过维护一个不可变且规范化的值图,来提高缓存的性能。与 Apollo 默认的内存缓存相比,Hermes 提供了更快的读取速度,但可能在返回的字段上包含额外信息。
2. 项目快速启动
首先,确保你已经安装了 Node.js。接下来,按照以下步骤快速启动 Apollo Cache Hermes。
# 克隆仓库
git clone https://github.com/convoyinc/apollo-cache-hermes.git
cd apollo-cache-hermes
# 安装依赖
yarn
# 启动开发服务器
yarn dev
在 JavaScript 项目中,你可以这样配置 Apollo 客户端来使用 Hermes 缓存:
import { ApolloClient } from 'apollo-client';
import { Hermes } from 'apollo-cache-hermes';
const client = new ApolloClient({
cache: new Hermes({
// ...你的配置选项
}),
// ...其他配置
});
请注意,配置选项可能会变化,具体配置请参考项目的最新代码。
3. 应用案例和最佳实践
缓存配置
在配置 Hermes 缓存时,你应该考虑以下最佳实践:
- 确保
id字段被标记为实体,以便缓存能正确地规范化节点。 - 根据需要调整缓存配置,以优化性能。
查询优化
当编写 GraphQL 查询时,尽可能保持查询的一致性,这样可以更好地利用缓存。
query GetUser($id: ID!) {
user(id: $id) {
id
name
email
}
}
缓存读取
在读取缓存时,利用 Hermes 的直接引用特性来减少不必要的开销。
const data = client.readQuery({
query: GET_USER,
variables: { id: userId }
});
4. 典型生态项目
以下是一些与 Apollo Cache Hermes 相关的典型生态项目:
- Apollo Client:Apollo 官方客户端,用于与 GraphQL 服务器交互。
- Apollo Server:一个基于 Node.js 的 GraphQL 服务器。
- GraphQL:GraphQL 的 JavaScript 实现。
以上就是 Apollo Cache Hermes 的最佳实践和快速启动指南。希望这些信息能帮助你更好地利用这个强大的缓存工具。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.86 K
Ascend Extension for PyTorch
Python
391
467
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
356
216
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++
897
691
昇腾LLM分布式训练框架
Python
122
147
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
122
156
🎉 (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
1.38 K
783
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
599
167
React Native鸿蒙化仓库
JavaScript
311
361