Dataloader -malli auttaa lieventämään ongelmia `whanded ()` GraphQL: ssä käsittelemällä yleistä N+1 -kyselyongelmaa ja optimoimalla tietojen hakujen erä- ja välimuistimekanismien avulla.
11
GraphQL: ssä resolaattoreiden on usein haettava niihin liittyviä tietoja useille kokonaisuuksille. Ilman optimointia tämä voi johtaa N+1 -ongelmaan, jossa N -kohteiden kysely johtaa n lisätietokantapyyntöihin (plus alkuperäinen), mikä aiheuttaa merkittävää suorituskyvyn heikkenemistä. `WhessLated ()` -menetelmä, joka odottaa liittyvää tietoa lataamista, voi pahentaa tätä käynnistämällä useita erillisiä data -hakuja jokaiselle kohteelle, mikä johtaa tehottomiin, toistuviin tietokantakyselyihin.
Kuinka Dataloader -malli auttaa
1. Eräpyynnöt
Dataloader -kuvio erää useita yksittäisiä datapyyntöjä yhdeksi kyselyksi. Sen sijaan, että haketaan liittyvät tiedot yksi kerrallaan `whessded ()` voi tehdä, Dataloader kerää kaikki avaimet, joita pyydetään yhden tapahtuman silmukan punkin aikana ja lähettää yhden erotetun pyynnön tietokantaan. Tämä vähentää kyselyjen lukumäärää rajusti ja parantaa suorituskykyä. Esimerkiksi 16 erillisen kyselyn sijasta Dataloader voi vähentää tämän 4 eräkyselyyn, jokainen hakeutumistiedot useille avaimille kerralla [2] [6] [8].
2. Välimuistitulokset
Dataloader välimuistiin haettujen tietojen tulokset yhden pyynnön laajuudessa. Jos samoja tietoja pyydetään useita kertoja GraphQL -kyselyn tarkkuuden aikana, Dataloader palauttaa välimuistissa olevan tuloksen sen sijaan, että kysely tietokanta. Tämä deduktiointi estää redundanttia pyyntöä, että "milloin ladatut ()" voi muuten aiheuttaa [1] [3] [6].
3. Pohjaiset Dataloader-tapaukset
Tietojen vuotamisen välttämiseksi ja oikean välimuistin käyttäjän/pyynnön kontekstin varmistamiseksi jokaiselle GraphQL -pyynnölle luodaan uusi Dataloader -ilmentymä. Tämä lähestymistapa ylläpitää eristyneisyyttä ja turvallisuutta samalla kun se hyötyy edelleen eristämisestä ja välimuistista kyseisessä pyynnössä [3].
4. Integraatio GraphQL -resolversiin
Integroimalla Dataloader GraphQL -resoluutioihin, kukin ratkaisija kutsuu `lataa 'Dataloaderiin sen sijaan, että kysyt suoraan tietokantaa tai luottaa" Whand Loreed () ": een. Tämä siirtää Dataloaderille tehokkaan tiedon noutamisen vastuun, joka hallitsee erää ja välimuistia avoimesti [1] [3] [6].
Yhteenveto
Dataloader -malli lieventää tehokkaasti `whand ladattu ()` graphQL: ssä:
- Useiden datan hakemuspyyntöjen kerääminen yksittäisiin eräkyselyihin vähentäen tietokannan edestakaisten retkien lukumäärää.
- Välimuistit haetut tiedot estämään kaksoiskappaleet samassa pyynnössä.
- Eristettyjen Dataloader -ilmentymien luominen pyynnöstä turvallisuuden ja oikeellisuuden ylläpitämiseksi.
- Resolver -koodin yksinkertaistaminen abstrakti datan hakemisen optimoinnin Dataloaderiin.
Tämä johtaa merkittävästi parantuneeseen suorituskykyyn, skaalautuvuuteen ja resurssien käyttöä GraphQL -sovelluksissa [2] [6] [7].
Viittaukset:
.
[2] https://wundergraph.com/blog/dataloader_3_0_breadth_first_data_loading
[3] https://github.com/graphql/dataloader
[4] https://www.arabol.co/blog/graphql-dataloader-cookbook/
[5] https://swatinem.de/blog/graphql-dataloader-part2/
.
[7] https://ariadnegraphql.org/docs/dataloaders
.