Vite-PWA 插件中动态图片的离线缓存策略
2025-06-22 20:32:08作者:柏廷章Berta
问题背景
在使用Vite-PWA插件开发渐进式Web应用时,开发者经常会遇到动态图片的离线缓存问题。典型场景是:用户在线登录时获取产品数据(包含图片URL),但在离线状态下需要显示这些图片。
核心挑战
- 图片存储在外部服务器/不同域名下
- 需要预缓存但不在初始加载时显示的图片
- 跨域资源的缓存限制
解决方案
1. 配置Workbox运行时缓存
通过Vite-PWA插件的runtimeCaching配置,可以设置特定的图片缓存策略:
runtimeCaching: [
{
urlPattern: ({ url }) => url.pathname.match(/^\/storage\//),
handler: 'NetworkFirst',
options: {
cacheName: 'product-images-cache',
expiration: {
maxEntries: 50,
maxAgeSeconds: 60 * 60 * 24 * 7 // 7天
},
matchOptions: {
ignoreVary: true,
ignoreSearch: true
},
cacheableResponse: {
statuses: [0, 200] // 包含跨域响应
}
}
}
]
2. 跨域资源处理要点
对于外部域名的图片资源,需要特别注意:
- 图片服务器必须配置正确的CORS头信息
- 前端图片标签需要添加crossorigin属性
- 缓存响应状态需包含0(跨域不透明响应)
3. 缓存策略选择
- NetworkFirst:优先从网络获取,失败时使用缓存
- CacheFirst:优先使用缓存,适合不常变化的资源
- StaleWhileRevalidate:快速返回缓存同时更新缓存
实现建议
-
对于产品图片这类可能大量但需要离线访问的资源,建议:
- 设置合理的maxEntries限制
- 根据业务需求调整maxAgeSeconds
- 考虑使用Web Worker管理缓存
-
在Nginx配置中确保添加正确的CORS头:
add_header 'Access-Control-Allow-Origin' '*';
add_header 'Access-Control-Allow-Methods' 'GET';
注意事项
- 浏览器对不透明响应(跨域资源)有7MB/资源的存储限制
- 首次请求时图片不会被缓存,需要二次访问才会生效
- 对于关键图片,可考虑在Service Worker安装阶段预缓存
通过合理配置Vite-PWA的缓存策略,可以有效解决动态图片的离线访问问题,提升PWA应用的用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217