Graphlient 使用教程
2024-09-15 20:49:16作者:秋阔奎Evelyn
1. 项目介绍
Graphlient 是一个更友好的 Ruby GraphQL 客户端,基于 graphql-client 构建,提供了更好的默认设置、更一致的错误处理,并使用 Faraday HTTP 客户端。Graphlient 旨在简化消费基于 GraphQL 的 API 的过程,特别适合 Ruby 开发者。
2. 项目快速启动
安装
首先,将 Graphlient 添加到你的 Gemfile 中:
gem 'graphlient'
然后运行 bundle install 来安装 Gem。
使用
创建一个新的 Graphlient 客户端实例,并指定 GraphQL API 的 URL 和可选的请求头:
client = Graphlient::Client.new('https://test-graphql.biz/graphql', headers: { 'Authorization' => 'Bearer 123' })
执行查询:
response = client.query do
query do
invoice(id: 10) do
id
total
line_items do
price
item_type
end
end
end
end
获取查询结果:
puts response.data.invoice.line_items.first.price
3. 应用案例和最佳实践
错误处理
Graphlient 提供了详细的错误处理机制,确保在查询失败时能够捕获并处理错误。以下是一个错误处理的示例:
begin
response = client.query do
query do
invoice(id: 10) do
id
total
line_items do
price
item_type
end
end
end
end
rescue Graphlient::Errors::GraphQLError => e
puts "GraphQL Error: #{e.message}"
rescue Graphlient::Errors::ServerError => e
puts "Server Error: #{e.message}"
end
参数化查询
Graphlient 支持参数化查询,允许你动态传递变量:
query = <<-GRAPHQL
query($ids: [Int]) {
invoices(ids: $ids) {
id
fee_in_cents
}
}
GRAPHQL
variables = { ids: [42] }
response = client.query(query, variables)
4. 典型生态项目
Faraday
Graphlient 使用 Faraday 作为 HTTP 客户端,Faraday 是一个灵活的 HTTP 客户端库,支持多种适配器(如 Net::HTTP、Excon 等)。你可以通过配置 Faraday 来定制 Graphlient 的 HTTP 请求行为。
graphql-client
Graphlient 基于 graphql-client 构建,graphql-client 是一个用于执行 GraphQL 查询的 Ruby 库。Graphlient 在此基础上提供了更友好的 API 和更强大的错误处理机制。
RSpec
在测试中使用 Graphlient 时,可以结合 RSpec 进行集成测试。以下是一个简单的 RSpec 测试示例:
require 'spec_helper'
describe App do
include Rack::Test::Methods
def app
# 你的 Rack 应用
end
let(:client) do
Graphlient::Client.new('http://test-graphql.biz/graphql') do |client|
client.http do |h|
h.connection do |c|
c.adapter Faraday::Adapter::Rack, app
end
end
end
end
context 'an invoice' do
let(:result) do
client.query do
query do
invoice(id: 10) do
id
end
end
end
end
it 'can be retrieved' do
expect(result.data.invoice.id).to eq 10
end
end
end
通过以上步骤,你可以快速上手并使用 Graphlient 进行 GraphQL API 的开发和测试。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781