Le modèle de dataloader aide à atténuer les problèmes avec `lorsque le téléchargement ()` dans GraphQL en abordant le problème de requête N + 1 commun et en optimisant les données de récupération via des mécanismes de lots et de mise en cache.
PROBLÈMES AVEC `LORS TELODED ()` Dans GraphQL
Dans GraphQL, les résolvers ont souvent besoin de récupérer des données connexes pour plusieurs entités. Sans optimisation, cela peut entraîner le problème N + 1, où une requête pour n éléments entraîne des demandes de base de données supplémentaires (plus la initiale), provoquant une dégradation significative des performances. La méthode `WHICHEDED () ', qui attend le chargement des données connexes, peut exacerber cela en déclenchant plusieurs récupérations de données distinctes pour chaque élément, conduisant à des requêtes de base de données répétitives inefficaces.
Comment le modèle de dataloader aide
1. Demandes de lots
Le modèle DatalOader lance plusieurs demandes de données individuelles en une seule requête. Au lieu de récupérer les données connexes un par un comme `lorsque le téléchargement ()` pourrait faire, DatalOader collecte toutes les clés demandées lors d'un seul tick de la boucle d'événement et envoie une demande lotaire à la base de données. Cela réduit considérablement le nombre de requêtes, améliorant les performances. Par exemple, au lieu de 16 requêtes distinctes, DatalOader peut réduire cela à 4 requêtes lots, chacune récupérant des données pour plusieurs clés à la fois [2] [6] [8].
2. Résultats de mise en cache
DatalOader cache les résultats des données récupérées dans le cadre d'une seule demande. Si les mêmes données sont demandées plusieurs fois pendant la résolution d'une requête GraphQL, DatalOader renvoie le résultat mis en cache au lieu de remettre à nouveau la base de données. Cette déduplication empêche les demandes redondantes que `lorsque téléchargé ()` pourrait autrement provoquer [1] [3] [6].
3. Instances de dataloder de la demande
Pour éviter les fuites de données et assurer une mise en cache correcte par contexte utilisateur / demande, une nouvelle instance DatalOader est créée pour chaque demande GraphQL. Cette approche maintient l'isolement et la sécurité tout en bénéficiant de lots et de mise en cache dans cette demande [3].
4. Intégration avec GraphQL Resolvers
En intégrant DatalOader dans GraphQL Resolvers, chaque résolveur appelle `` Charge '' sur le dataloader au lieu d'interroger directement la base de données ou de s'appuyer sur `lorsque le chargement ()`. Cela déplace la responsabilité d'un rendement efficace des données pour le dataloader, qui gère le lot et la mise en cache de manière transparente [1] [3] [6].
Résumé
Le motif de dataloader atténue efficacement les inefficacités de `whenloked ()` en graphQL par:
- Collecte de plusieurs requêtes de récupération de données dans des requêtes par lots uniques, en réduisant le nombre de retours de données.
- La mise en cache a récupéré les données pour empêcher les requêtes en double dans la même demande.
- Création d'instances isolées de dataloder par demande pour maintenir la sécurité et l'exactitude.
- Simplifier le code de résolveur en abstraitz l'optimisation des données dans le dataloader.
Il en résulte une amélioration considérable des performances, de l'évolutivité et de l'utilisation des ressources dans les applications GraphQL [2] [6] [7].
Citations:
[1] https://www.apollographql.com/tutorials/dataloaders-typescript/04-using-a-dataloader
[2] https://wundergraph.com/blog/dataloader_3_0_breadth_first_data_loking
[3] https://github.com/graphql/dataloader
[4] https://www.parabol.co/blog/graphql-dataloader-cookbook/
[5] https://swatinem.de/blog/graphql-dataloader-part2/
[6] https://moldstud.com/articles/p-solving-the-dataloader-pattern-in-graphql-developmentment
[7] https://ariadnegraphql.org/docs/dataloaders
[8] https://www.apollographql.com/tutorials/dataloaders-dgs/03-data-chargers-under-the-hood