在ofetch中使用拦截器实现请求队列与Token刷新机制
2025-06-12 01:00:59作者:范靓好Udolf
背景介绍
在现代Web应用中,处理身份验证和Token刷新是一个常见需求。当使用ofetch这样的HTTP客户端时,我们需要优雅地处理401未授权错误,并在Token过期时自动刷新Token,同时确保并发请求能够正确排队等待刷新完成。
核心问题分析
当多个API请求同时发生且Token过期时,会出现以下问题:
- 第一个请求检测到401错误,触发Token刷新流程
- 其他并发请求也会检测到401错误,各自触发Token刷新
- 这会导致多次刷新Token请求,可能造成Token失效或服务器压力
解决方案实现
基本拦截器结构
首先创建一个基本的ofetch实例,设置基础URL和拦截器:
import { ofetch } from "ofetch"
const apiFetcher = ofetch.create({
baseURL: import.meta.env.VITE_API_BASE_URL + '/api',
timeout: 30000,
retry: false,
credentials: 'include'
})
请求队列管理
为了实现请求排队,我们需要三个关键变量:
let refreshingToken = false // 标记是否正在刷新Token
let requestsQueue = [] // 等待队列
// 处理队列中的请求
const processQueue = (error, token = null) => {
requestsQueue.forEach((prom) => {
if (error) {
prom.reject(error)
} else {
prom.resolve(token)
}
})
requestsQueue = [] // 清空队列
}
响应拦截器实现
在响应拦截器中处理401错误和Token刷新逻辑:
apiFetcher.onResponse(async (ctx) => {
if (ctx.response.status === 401) {
// 如果已经在刷新Token,将请求加入队列
if (refreshingToken) {
return new Promise((resolve, reject) => {
requestsQueue.push({ resolve, reject })
}).then((resp) => {
if (resp) {
return ofetch(ctx.request, ctx.options)
}
})
}
// 标记开始刷新Token
refreshingToken = true
try {
// 发送刷新Token请求
const retry = new Promise((resolve, reject) => {
ofetch.raw('/auth/Refresh-Token', {
baseURL: import.meta.env.VITE_API_BASE_URL + '/api',
method: 'POST',
credentials: 'include'
}).then((resp) => {
// 处理成功,通知队列继续执行
processQueue(null, resp._data)
resolve()
}).catch(err => {
// 处理失败,通知队列并登出
processQueue(err, null)
const authStore = useAuthStore()
authStore.signOut()
reject()
}).finally(() => {
refreshingToken = false
})
})
await retry
} catch (error) {
// 错误处理
}
}
})
请求重试封装
为了简化使用,可以创建一个封装函数处理初始请求和重试逻辑:
import type { FetchRequest, FetchOptions, FetchResponse } from "ofetch"
const apiFetchRaw = async <T = any>(request: FetchRequest, options?: FetchOptions) => {
try {
const response = await apiFetcher.raw(request, options)
return response as FetchResponse<T>
} catch (error: any) {
if (error.response?.status === 401) {
// Token刷新后重试原始请求
const response = await apiFetcher.raw(request, options)
return response as FetchResponse<T>
}
return error.response as FetchResponse<T>
}
}
方案优势
- 避免重复刷新:使用
refreshingToken
标记确保只有一个刷新请求 - 请求排队:后续请求会加入队列等待刷新完成
- 自动重试:Token刷新后自动重试原始请求
- 错误处理:刷新失败时自动登出并清理队列
实际应用建议
- 根据实际项目调整Token存储方式(localStorage/cookie等)
- 考虑添加额外的错误处理和日志记录
- 在SSR环境中需要特别注意Token的存储和传递
- 可以扩展支持多种认证方式
这种实现方式确保了在Token过期时的良好用户体验,同时保持了代码的整洁和可维护性。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K

deepin linux kernel
C
22
6

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
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (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
927
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8