当前位置:首页 > 文章列表 > Golang > Go问答 > 如何为 GraphQL-go 中实现数据加载器?

如何为 GraphQL-go 中实现数据加载器?

来源:stackoverflow 2024-03-23 09:57:29 0浏览 收藏

使用 GraphQL-go 实现数据加载器时,避免每次使用时创建新数据加载器。应在整个请求中使用相同的数据加载器,例如将其存储在请求上下文中。这样,数据加载器可以有效地批处理多个键,从而提高查询性能。

问题内容

我正在使用 golang 的 gqlgen 包,并且正在尝试实现数据加载器。这是我正在使用的数据加载器:https://github.com/graph-gophers/dataloader

我按照教程中的方式完成了所有操作,但我无法将所有键作为键片加载。在 node.js 中,如果我做类似的事情

loader.load(1)
loader.load(3)
loader.load(3)

在批处理函数中,对于键,我将收到一个 [1,3] 数组。然而,在 golang 中,我得到了完全不同的东西。

这是我的字段解析器

func (r *newsresolver) createdby(ctx context.context, obj *models.news) (*models.user, error) {
    loader := newdataloader()

    thunk := loader.load(context.todo(), dataloader.stringkey(obj.createdbyid)) // stringkey is a convenience method that make wraps string to implement `key` interface
    result, err := thunk()
    if err != nil {
        // handle data error
    }

    log.printf("value: %#v", result)
    return nil, nil
}

和一个数据加载器函数

func newdataloader() *dataloader.loader {
    batchfn := func(ctx context.context, keys dataloader.keys) []*dataloader.result {
        var results []*dataloader.result
        fmt.println(keys)
        results = append(results, &dataloader.result{data: keys})
        return results
    }

    loader := dataloader.newbatchedloader(batchfn)
    return loader
}

但是,当我打印按键时,我进入了批处理函数,每次都得到单个输入的切片。类似的东西

[2]
[1]
[3]
[1]
[3]

我想我应该得到类似的东西:[2, 1, 3]


正确答案


每次使用它时,您都会创建一个新的数据加载器 (loader := NewDataLoader())。这使得它毫无用处。

您应该对整个请求使用相同的数据加载器。例如。将其存储在请求上下文中。我发现了一些教程:

本篇关于《如何为 GraphQL-go 中实现数据加载器?》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于Golang的相关知识,请关注golang学习网公众号!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
通过Go语言实现IPFS通过Go语言实现IPFS
上一篇
通过Go语言实现IPFS
lldp.go中如何调用decodeLinkLayerDiscovery函数?
下一篇
lldp.go中如何调用decodeLinkLayerDiscovery函数?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    389次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    469次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    476次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    420次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    244次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码