Sonner项目中Promise与Server Actions的错误处理实践
2025-05-23 04:29:47作者:平淮齐Percy
背景介绍
在Next.js应用开发中,Sonner作为一款轻量级的通知组件,常被用于展示异步操作的状态反馈。当与Server Actions结合使用时,开发者经常遇到如何在Promise中优雅处理服务端错误的问题。
核心问题分析
传统方式中,开发者习惯在Server Action中直接抛出Error对象,这种方式虽然简单,但存在两个明显缺陷:
- 错误会被打印到控制台,造成不必要的干扰
- 在生产环境中,Next.js会屏蔽错误详情,只显示通用错误信息
解决方案演进
初始方案:直接抛出错误
// Server Action
if (user?.email === values.email) {
throw new Error("不能删除自己的账户");
}
这种方法虽然能触发toast的错误状态,但会将错误堆栈打印到控制台,影响调试体验。
改进方案:状态对象返回
// Server Action
if (user?.email === values.email) {
return { success: false, data: "不能删除自己的账户" };
}
// 客户端处理
toast.promise(
deleteUser({ email }),
{
loading: "删除中...",
success: ({ data }) => data,
error: ({ message }) => message
}
)
这种方式避免了控制台污染,但需要手动处理Promise状态转换。
最佳实践:封装Promise转换器
// 工具函数
export async function wrapPromise<T>(promise: Promise<{ success: boolean; data: T }>): Promise<T> {
const { success, data } = await promise;
return success ? data : Promise.reject(data);
}
// 使用方式
toast.promise(
wrapPromise(deleteUser({ email })),
{
loading: "删除中...",
success: (data) => data,
error: (err) => err
}
)
这种方案实现了:
- 清晰的类型定义
- 自动的状态转换
- 完整的错误信息传递
- 无副作用的控制台输出
技术原理剖析
Server Actions在Next.js中实质上是特殊的API端点。当直接抛出Error时:
- 开发环境:能获取完整错误信息
- 生产环境:Next.js会屏蔽敏感信息,返回通用错误
通过返回结构化对象并手动转换Promise状态,我们绕过了这个限制,同时保持了类型安全和代码整洁。
实际应用建议
- 统一错误格式:所有Server Action应保持一致的返回结构
- 类型安全:使用泛型确保数据类型一致
- 错误边界:考虑添加全局错误处理器
- i18n支持:错误消息应考虑多语言场景
总结
在Sonner与Server Actions的集成中,通过封装Promise转换器,我们实现了:
- 生产环境友好的错误处理
- 干净的控制台输出
- 类型安全的代码结构
- 良好的开发者体验
这种模式虽然需要少量样板代码,但为大型应用提供了更可靠的通知处理机制。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
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
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220