OpenAPI TypeScript项目中React Query开发模式下重复请求问题解析
在OpenAPI TypeScript生态系统中,openapi-react-query作为连接OpenAPI规范与React Query的重要桥梁,为开发者提供了便捷的API调用方式。然而,近期有开发者反馈在开发环境中遇到了一个特殊现象——每个查询都会发送两次请求,其中一次会被立即取消。
问题现象
当开发者在Vite+React的开发环境中使用openapi-react-query 0.3.1版本时,发现任何useQuery调用都会触发两个网络请求。通过浏览器开发者工具的网络面板可以清晰观察到,第一个请求被立即取消,而第二个请求正常完成。值得注意的是,这种现象仅出现在开发模式中,生产环境构建后则表现正常,仅发送单个请求。
技术背景
这种现象与React的严格模式(Strict Mode)和React Query的内部机制密切相关。React在开发模式下会故意双重挂载组件,这是一种帮助开发者发现潜在问题的设计。同时,现代浏览器提供的AbortController API允许取消正在进行的fetch请求,这正是请求被"取消"的技术基础。
根本原因
深入分析表明,这个问题实际上源于React Query库本身的一个已知行为。当在queryFn中使用AbortController的signal时,在开发模式下会触发这种双重请求现象。具体来说:
- React严格模式导致组件双重挂载
- 每次挂载都会初始化一个新的查询
- 由于使用了signal,React Query的内部机制会取消前一个未完成的请求
- 最终结果表现为一个请求被取消,另一个请求正常完成
解决方案与建议
虽然这种现象看起来异常,但实际上它并不会影响应用的功能和性能,因为被取消的请求不会真正完成处理。对于开发者而言,可以采取以下策略:
- 理解这是预期行为:在开发模式下,这种现象是React和React Query协同工作的正常表现
- 生产环境验证:通过构建生产版本确认最终行为符合预期
- 优化开发体验:如果确实需要避免开发模式下的双重请求,可以考虑暂时禁用严格模式
技术启示
这个案例为我们提供了几个重要的技术启示:
- 开发工具和生产环境的行为差异是前端开发中的常见现象
- 现代前端框架的严格模式设计有助于提前发现潜在问题
- 请求取消机制是提高应用性能的重要特性,而非缺陷
- 理解底层原理有助于正确诊断表面异常
总结
在OpenAPI TypeScript生态中使用openapi-react-query时遇到的这种双重请求现象,实际上是React生态系统正常工作流程的一部分。开发者无需过度担忧,而应该将注意力放在业务逻辑的实现上。通过理解框架底层机制,我们能够更加自信地处理这类表面异常,确保应用在生产环境中的稳定表现。
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