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
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 StartedRust0453
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python05
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX028
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++02
项目优选
收起
暂无描述
Markdown
831
5.5 K
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
495
520
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++
978
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
806
1.16 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++
792
1.59 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
484
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
777
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++
1.21 K
1.26 K
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
659
298