Apollo Client 中使用 cache.modify 处理订阅数据的类型安全实践
背景介绍
在现代前端开发中,GraphQL 订阅(Subscription)是实现实时功能的重要手段。Apollo Client 作为流行的 GraphQL 客户端,提供了强大的缓存机制来处理订阅数据。然而,在使用 TypeScript 开发时,如何类型安全地操作缓存成为了一个常见挑战。
核心问题
当应用程序通过订阅接收到新数据时,需要将这些数据合并到现有的缓存中。典型的场景包括:
- 帖子(Post)和评论(Comment)的关系
- 对话(Conversation)和步骤(Step)的关系
在这些关系中,父实体(如 Post 或 Conversation)通常通过连接(Connection)字段(如 comments 或 steps)关联子实体列表。当订阅推送新数据时,我们需要将这些新数据追加到缓存中的对应列表。
解决方案演进
初始方案:直接修改缓存
最初的尝试是直接使用 cache.modify 方法修改缓存:
cache.modify({
id: cache.identify({
__typename: "Post",
id: comment.post.id,
}),
fields: {
comments(existing) {
return {
...existing,
edges: [...existing.edges, { node: comment }],
};
},
},
});
这种方法虽然能工作,但存在明显的类型安全问题:
existing参数类型为any,缺乏类型检查- 无法处理缓存引用(Reference)的情况
- 忽略了连接字段的完整类型定义(如缺少 cursor 等必需字段)
改进方案:使用 readField 辅助方法
为了解决类型安全问题,引入了 readField 方法:
cache.modify<Conversation>({
id: cache.identify({
__typename: "Conversation",
id: step.conversation.id,
}),
fields: {
steps(existing, { readField }) {
const edges = readField("edges", existing) || [];
return {
...existing,
edges: [...edges, { node: step }],
};
},
},
});
这种方法仍然存在问题:
readField返回类型过于宽泛- 无法确保返回的数据符合 Connection 类型的完整定义
- 类型断言可能导致运行时错误
最终方案:结合 updateQuery 和类型保护
经过多次尝试,最终确定了一个更可靠的方案:
const onNewStep = (step: DetailedStepFragment) => {
cache.updateQuery(
{
query: GQL.Conversation.StepsQuery,
variables: { id: step.conversation.id, last: 8 },
},
(existing) => {
if (existing?.node?.__typename !== "Conversation") return;
const node = frag(GQL.Conversation.WithSteps, existing.node);
return {
...existing,
node: {
...node,
steps: {
...node.steps,
edges: [
...node.steps.edges,
{ __typename: "ConversationStepEdge", node: step },
],
},
},
};
}
);
};
这个方案的优点:
- 通过
updateQuery直接操作查询结果,类型更明确 - 使用类型保护确保操作的安全性
- 完整维护了连接类型的所有必需字段
- 与现有查询结构保持一致
最佳实践建议
-
优先使用 updateQuery:当需要精确控制缓存更新时,
updateQuery通常比modify更类型安全。 -
正确处理连接类型:确保在添加新边(edge)时包含所有必需字段,如
__typename和cursor。 -
考虑分页策略:如果使用了
relayStylePagination,需要注意手动更新可能会绕过分页策略。 -
使用最新 API:Apollo Client 3.11+ 提供了改进的
useSubscriptionhook,支持ignoreResults选项,可以更好地控制组件重渲染。 -
避免 useEffect 中的订阅处理:推荐使用
onData回调来处理订阅数据,而不是依赖useEffect。
总结
在 Apollo Client 中处理订阅数据时,类型安全是关键考量。通过合理选择缓存操作方法(modify 或 updateQuery)并结合 TypeScript 的类型保护,可以构建既安全又高效的实时数据更新机制。开发者应当根据具体场景选择最适合的方法,同时遵循 Apollo Client 的最佳实践。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
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