首页
/ gqlgen 中实现 @defer 指令的多部分混合响应支持

gqlgen 中实现 @defer 指令的多部分混合响应支持

2025-05-22 03:09:06作者:明树来

在 GraphQL 服务端框架 gqlgen 中,开发者发现了一个关于 @defer 指令支持的有趣问题。当客户端使用 accept: multipart/mixed 头部时,服务端无法正确处理上下文并返回延迟字段,而使用 accept: text/event-stream 头部时则能正常工作。

问题背景

@defer 是 GraphQL 中的一个实验性指令,允许客户端请求部分数据先返回,其余数据延迟加载。Apollo Client 在检测到查询中包含 @defer 指令时,会自动发送 accept: multipart/mixed 头部。然而,gqlgen 服务端在这种情况下会错误地使上下文过期,导致无法返回延迟字段。

技术分析

通过测试发现,当使用 text/event-stream 作为接受类型时,gqlgen 能够正确处理上下文并返回延迟数据。这表明 gqlgen 对 Server-Sent Events (SSE) 协议的支持是完整的,但对 multipart/mixed 格式的支持存在缺陷。

解决方案实现

开发者实现了自己的 multipart/mixed 传输处理逻辑,使其能够与 Apollo Client 协同工作。关键发现包括:

  1. 当服务器只返回单个响应时,即使带有 hasNext: false 标记,Apollo Client 3.11.8 仍会保持加载状态
  2. 根据 GraphQL 增量交付规范,需要在最后一个有效载荷后发送一个边界分隔符
  3. 可以实施批量处理策略,将1毫秒内的延迟响应分组到单个 incremental 数组中

实现细节

最终的解决方案采用了以下技术决策:

  1. 对于单响应情况,发送一个空的有效载荷,包含 "data": null"hasNext": false
  2. 在所有响应后添加规范要求的最终边界分隔符
  3. 实现了响应批处理优化,减少网络传输量

兼容性考虑

由于 GraphQL 的 @defer 规范仍在发展中,实现时特别注意了向后兼容性。解决方案参考了 Apollo Server 的实现方式,确保与现有客户端的兼容性。

总结

通过对 gqlgen 的多部分混合响应支持进行改进,现在可以更好地支持 Apollo Client 的 @defer 指令使用场景。这一改进为开发者提供了更灵活的 GraphQL 数据加载策略选择,同时保持了良好的性能和兼容性。

对于希望使用 @defer 指令优化应用性能的开发者,现在可以放心地在 gqlgen 服务端和 Apollo Client 前端之间实现无缝协作。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
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
494
515
ops-nnops-nn
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++
783
1.57 K
pytorchpytorch
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
800
1.14 K
ops-transformerops-transformer
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++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
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++
480
312
jiuwenswarmjiuwenswarm
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
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
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
647
284