gqlgen 中实现 @defer 指令的多部分混合响应支持
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:
- 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 - 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
- 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:
- 对于单响应情况,发送一个空的有效载荷,包含
"data": null和"hasNext": false - 在所有响应后添加规范要求的最终边界分隔符
- 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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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