Apollo Client 缓存大小配置的深度解析
2025-05-11 15:26:44作者:翟江哲Frasier
缓存机制的核心概念
Apollo Client 作为一款流行的 GraphQL 客户端,其内部缓存机制对性能有着至关重要的影响。其中 executeSelectionSize 参数控制着选择集执行结果的缓存大小,这个参数直接关系到应用的响应速度和内存使用效率。
缓存大小的默认值与实际配置
在 Apollo Client 3.11 版本中,存在一个文档与实际实现不一致的情况:代码注释声称 executeSelectionSize 的默认最大缓存大小为 10,000,但实际上源码中的默认值被设置为 50,000。这个差异源于开发者更新了默认值但未同步更新相关注释。
缓存工作原理详解
executeSelectionSize 控制的是 executeSelectionSet 方法调用结果的缓存容量。这个缓存采用最近最少使用(LRU)策略,保存最近 50,000 次不同参数调用 executeSelectionSet 的结果。
当查询结构如下时:
query AuthorsAndBooks {
author {
name
books {
name
isbn
comments {
username
content
}
}
}
}
缓存使用情况会这样计算:
- 整个查询:1 次调用
- 每个作者对象:3 次调用(假设返回3位作者)
- 每本书:5 本书 × 3 位作者 = 15 次调用
- 每条评论:10 条评论 × 15 本书 = 150 次调用 总计需要约 169 个缓存条目来完整缓存这个查询结果
缓存溢出的影响与处理
当缓存达到容量上限时,系统会自动淘汰最久未被使用的缓存条目。这意味着:
- 被淘汰的查询结果在下一次需要时需重新计算
- 频繁的重新计算会导致性能下降
- 可能引发连锁反应,导致更多缓存条目被淘汰
优化建议与最佳实践
- 容量评估:访问应用中数据量最大的页面,测量此时的缓存使用量,然后乘以安全系数(建议2倍)
- 内存考量:增大缓存会占用更多内存,但能减少重复计算
- 平衡原则:缓存应足够大以容纳当前活跃页面的所有查询,但不必保留历史页面的查询结果
- 监控调整:在实际运行中监控性能,根据实际情况调整缓存大小
技术实现细节
Apollo Client 的缓存系统采用分层设计:
- 顶层缓存查询结果
- 中层缓存规范化后的数据
- 底层缓存选择集执行结果
executeSelectionSet 缓存属于底层缓存,直接影响数据读取性能。适当增大这个缓存可以显著提升复杂查询的性能,特别是在数据关系复杂的应用中。
通过理解这些机制,开发者可以更合理地配置 Apollo Client 的缓存参数,在内存占用和性能之间取得最佳平衡。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
335
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
745
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
134