Vue-Query 在 Nuxt 3 中的服务端数据获取实践
在 Nuxt 3 项目中使用 Vue-Query 进行无限滚动数据加载时,开发者可能会遇到服务端渲染(SSR)数据获取不完整的问题。本文将深入分析问题根源并提供完整的解决方案。
问题现象分析
当开发者使用 Vue-Query 的 useInfiniteQuery 进行分页数据加载时,如果直接访问目标页面,服务端能够正确获取数据。但如果从其他页面导航到目标页面,则会出现数据未获取的情况,导致客户端渲染失败。
这种现象的本质原因是 Nuxt 3 的服务端生命周期钩子 onServerPrefetch 只会在首次服务端渲染时执行。当客户端进行页面导航时,实际上是在浏览器环境中运行的单页应用(SPA)模式,此时 onServerPrefetch 不会触发。
解决方案对比
方案一:使用 useAsyncData 包装
useAsyncData(async () => {
await suspense();
return true;
});
这种方法利用了 Nuxt 3 提供的 useAsyncData 组合式函数,确保无论在服务端还是客户端都能正确触发数据获取。
方案二:使用 callOnce 钩子
await callOnce(async () => {
await suspense();
});
callOnce 是 Nuxt 3 提供的专用钩子,特别适合这种只需要执行一次的数据获取场景。
最佳实践建议
-
合理设置 staleTime
在 Vue-Query 的全局配置中设置适当的staleTime,可以避免数据在客户端不必要的重新获取。建议设置为大于页面渲染所需时间的值。 -
避免直接使用 onServerPrefetch
在 Nuxt 3 环境中,直接使用onServerPrefetch并不是最佳选择,因为它的行为与 Nuxt 3 的数据获取机制不完全兼容。 -
统一数据获取方式
无论页面是首次加载还是客户端导航,都使用相同的数据获取逻辑,可以保证一致的行为和用户体验。
实现示例
以下是一个完整的实现示例:
// 在插件中配置 Vue-Query
export default defineNuxtPlugin((nuxtApp) => {
const queryClient = new QueryClient({
defaultOptions: {
queries: {
staleTime: 1000 * 60 * 5, // 5分钟
},
},
});
nuxtApp.vueApp.use(VueQueryPlugin, { queryClient });
});
// 在页面组件中使用
const { data, suspense } = useInfiniteQuery({
queryKey: ['items'],
queryFn: fetchItems,
getNextPageParam: (lastPage) => lastPage.nextCursor,
});
await callOnce(async () => {
await suspense();
});
总结
在 Nuxt 3 中使用 Vue-Query 进行服务端数据获取时,开发者需要理解 Nuxt 3 的特殊生命周期和数据获取机制。通过合理使用 useAsyncData 或 callOnce 配合适当的 staleTime 配置,可以构建出既支持服务端渲染又能在客户端流畅导航的应用程序。
记住,关键在于统一服务端和客户端的数据获取行为,并确保数据在适当的时间内保持新鲜,这样才能提供最佳的用户体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00