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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0297- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









