Apollo Kotlin中多客户端共享缓存的最佳实践
2025-06-18 00:58:22作者:段琳惟
在Apollo Kotlin项目中,开发者经常需要创建多个ApolloClient实例来满足不同的业务场景需求。一个常见的需求是让这些客户端实例能够共享缓存数据,以避免重复请求和保持数据一致性。本文将深入探讨如何正确实现这一目标。
问题背景
当开发者尝试通过共享NormalizedCacheFactory来实现缓存共享时,可能会遇到一个看似违反直觉的现象:即使使用了相同的缓存工厂,不同客户端实例的缓存数据仍然相互独立。这是因为缓存工厂(CacheFactory)的设计初衷是每次调用都会创建一个新的缓存实例。
技术原理
Apollo Kotlin的缓存系统采用工厂模式设计:
- NormalizedCacheFactory是一个工厂接口,负责创建缓存实例
- 每次调用都会产生新的缓存对象
- 直接共享工厂不会共享缓存实例
解决方案
要实现真正的缓存共享,应该直接共享ApolloStore实例而非工厂:
// 创建共享的存储实例
val sharedStore = ApolloStore(MemoryCacheFactory())
// 构建多个客户端时传入同一个store实例
val client1 = ApolloClient.Builder()
.store(sharedStore)
.serverUrl("server1")
.build()
val client2 = ApolloClient.Builder()
.store(sharedStore)
.serverUrl("server2")
.build()
实现机制
这种方案有效的关键在于:
- ApolloStore是缓存的管理器
- 多个客户端共享同一个ApolloStore实例
- 所有读写操作都通过同一个缓存后端执行
- 数据变更对所有客户端立即可见
最佳实践建议
- 对于需要共享缓存的场景,优先考虑共享ApolloStore而非缓存工厂
- 在依赖注入框架中,将ApolloStore声明为单例
- 注意线程安全问题,ApolloStore内部已经处理了并发访问
- 考虑缓存过期策略,避免共享过期的数据
性能考量
共享缓存可以带来以下优势:
- 减少内存占用
- 避免重复网络请求
- 保持应用状态一致性
- 提高缓存命中率
通过正确使用ApolloStore共享机制,开发者可以构建更高效、一致的GraphQL客户端应用架构。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
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
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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
9
1