新闻详情

新闻详情

首页 / 资讯中心 / 详情

Phoenix 前端 Relay 数据获取实践:Store 缓存保留、查询引用所有权与 node 单实体查询

发布时间:2026/11/7 2:54:51来源:尧图网络
Phoenix 前端 Relay 数据获取实践:Store 缓存保留、查询引用所有权与 node 单实体查询
可观测性AI 评测LLMOpsAI 应用人工智能【免费下载链接】phoenixAI Observability Evaluation项目地址https://gitcode.com/gh_mirrors/phoenix13/phoenix点击查看免费下载导读PhoenixAI Observability Evaluation 平台的 Web 前端基于 React React Router Relay 构建其数据获取层有一套严格的生命周期约定哪些查询会被 Relay store 缓存保留、由谁负责释放查询引用query ref、何时应该用fetchQuery而何时必须用声明式 hooks。本文以 .agents/skills/phoenix-frontend/references/relay.md 为骨架结合js/app前端源码与src/phoenix/server/api/queries.py后端实现完整讲解 Relay store 缓存保留语义、useOwnedPreloadedQuery的源码与测试依据、五种数据获取规则以及「用node(id: $id)直接取单个实体」的前后端完整落地路径。读完你可以在 Phoenix 前端或任何 Relay 应用中正确选择数据获取 API避免「页面数据静默消失」与「共享引用被过早 dispose 崩溃」两类经典事故。Relay store 与缓存保留三种 API 的不同承诺Phoenix 前端的 Relay 配置位于 js/app/relay.config.js使用 TypeScript 语言模式、./src作为源码根目录、./schema.graphql作为服务端 schema并针对 v21 之后alias强制校验默认开启的行为显式关闭了enforce_fragment_alias_where_ambiguous特性以保持 v20 行为。理解这层配置后最关键的是搞清楚三种数据获取 API 在「缓存保留」上的差异。声明式 hooks组件挂载期间数据保留usePreloadedQuery和useLazyLoadQuery这类声明式 hooks只要使用它们的组件保持挂载查询结果与其拉取的数据就会一直保留在 Relay store 缓存中。因此它们非常适合「水合hydrate页面要渲染的数据」——数据在组件生命周期内稳定存在不会因为后续其他请求而丢失。// 组件挂载期间data 稳定保留在 store 中 const data usePreloadedQueryProjectPageQuery(projectPageQuery, queryRef);fetchQuery无保留保证可能被静默驱逐fetchQuery没有这种保留保证。通过它获取的数据在后续足够多的请求之后例如由分页触发的请求可能被从 Relay store 中驱逐evict。这意味着用fetchQuery水合页面渲染所需的数据是危险的——组件还挂载着数据却可能悄悄从 store 中消失。Phoenix 源码中fetchQuery的典型安全用法集中在两类场景路由加载器loader内的一次性预取见 js/app/src/pages/project/projectLoader.tsprojectLoader用fetchQuery取回node(id: $id)上的Project.name后toPromise()返回结果用于加载器数据而非组件长驻渲染。重定向或一次性动作见 js/app/src/pages/redirects/traceRedirectLoader.ts加载器用fetchQuery查询getTraceByOtelId只为拿到project.id后立即redirect()结果不会被任何挂载组件依赖渲染。loadQuery 返回的 query refretained 直到 disposedloadQuery返回的查询引用query ref会被保留retained直到被显式 dispose。因此当组件自己负责加载时使用useQueryLoader——它内部帮你处理保留与释放当路由加载器或外部所有者直接把loadQuery返回的 ref 交给组件时该组件在「停止拥有」这个 ref 的那一刻必须负责 dispose 它。Phoenix 源码中的典型模式见 js/app/src/pages/prompt/promptLoader.tsxloader 内同时调用loadQuery返回 queryRef 供组件渲染与fetchQuery返回基础数据供 loader 使用二者各司其职export async function promptLoader(args: LoaderFunctionArgs) { const { promptId } args.params; // loadQueryqueryRef 交给组件渲染render-as-you-fetch const queryRef loadQuerypromptLoaderQueryType( RelayEnvironment, promptLoaderQuery, { id: promptId as string }, { fetchPolicy: store-and-network } ); // fetchQuery一次性取基础数据不依赖 store 保留 const data await fetchQuerypromptLoaderQueryType(...).toPromise(); return { queryRef, prompt: data?.prompt }; }useOwnedPreloadedQuery路由加载器模式的专属 hook适用场景组件拥有外部创建的 query refPhoenix 在 js/app/src/hooks/useOwnedPreloadedQuery.ts 提供了useOwnedPreloadedQuery专门覆盖最常见的「路由加载器模式」Loader 调用loadQuery(...)并返回一个 query ref组件用useOwnedPreloadedQuery(...)读取该 refHook 内部把 ref 交给useQueryLoader因此 Relay 会在 ref 被替换或组件卸载时自动 dispose 它。完整实现如下export type OwnedPreloadedQueryRefTQuery extends OperationType PreloadedQueryTQuery { dispose?: () void; }; export function useOwnedPreloadedQueryTQuery extends OperationType({ query, queryRef, }: { query: GraphQLTaggedNode; queryRef: OwnedPreloadedQueryRefTQuery; }) { const [ownedQueryRef] useQueryLoaderTQuery(query, queryRef); invariant( ownedQueryRef, ownedQueryRef is required when initialized from queryRef ); return usePreloadedQueryTQuery(query, ownedQueryRef); }从源码可以看到它的三个关键设计通过useQueryLoader(query, queryRef)用外部 ref初始化一个组件自己拥有的 ref 状态invariant保证初始化后 ref 一定存在避免空值渲染路径最终仍通过usePreloadedQuery读取数据保持声明式读取语义。使用前提仅当「当前组件拥有这个外部创建的 query ref 的生命周期」时使用——典型场景是useLoaderData()返回了loadQuery的结果。不适用场景以下情况不要使用该 hookquery ref 已经由useQueryLoader管理ref 被共享且另一个组件负责 disposeref 通过 context 或 props 传递给多个读者且没有清晰的单一所有者语义。实际使用DatasetVersionsPagePhoenix 页面中的完整示例见 js/app/src/pages/dataset/versions/DatasetVersionsPage.tsx 与其加载器 js/app/src/pages/dataset/versions/datasetVersionsLoader.tsx// loader用 loadQuery 创建 ref 并返回 export function datasetVersionsLoader(args: LoaderFunctionArgs) { const { datasetId } args.params; invariant(datasetId ! null); const queryRef loadQueryDatasetVersionsLoaderQuery( RelayEnvironment, datasetVersionsLoaderQuery, { id: datasetId } ); return { queryRef }; } // 组件读取 loader 返回的 ref并接管其生命周期 export function DatasetVersionsPage() { const loaderData useLoaderDataDatasetVersionsLoaderData(); const data useOwnedPreloadedQueryDatasetVersionsLoaderQuery({ query: datasetVersionsLoaderQuery, queryRef: loaderData.queryRef, }); return DatasetHistoryTable dataset{data.dataset} /; }该 hook 在 Phoenix 前端被广泛采用包括DashboardsPage、SessionPage、Layout、AuthenticatedRoot、PromptsPage、PromptConfigPage、PromptVersionDetailsPage、ResetPasswordPage、SettingsAgentsChatsTab、EvaluatorsPage、DatasetEvaluatorsPage、DatasetEvaluatorDetailsPage、ExamplesPage等页面全部位于js/app/src/pages/下是路由加载器模式的事实标准。测试佐证所有权转移与释放契约仓库为 hook 提供了行为级单元测试 js/app/src/hooks/tests/useOwnedPreloadedQuery.test.tsx用 Vitest React Testing Library 验证了两个核心契约替换 ref 时释放旧 ref测试渲染两个针对同一查询、不同变量的 refdataset-1/dataset-2通过vi.spyOn(queryRef, releaseQuery)断言传入新 ref 后界面更新为dataset-2:version-dataset-2同时旧 ref 的releaseQuery恰好被调用一次——证明「所有权转移到新 ref 时旧 ref 必须被释放避免无限期保留无用数据」卸载时释放当前 ref组件 unmount 后当前持有的 ref 的releaseQuery也被调用一次——匹配该 hook 存在的意义手动所有权契约。数据获取的五条规则1. 优先使用声明式 hooks用usePreloadedQuery或useLazyLoadQuery获取将要渲染在页面上的数据。这两者保证组件挂载期间数据留在 store 中。2. 避免用 fetchQuery 水合页面渲染数据不要用fetchQuery去水合「挂载组件渲染所依赖」的数据。如上文所述store 驱逐会让数据静默消失。3. fetchQuery 的有限安全用途fetchQuery在结果被立即消费、不驻留在 store 中用于渲染时是可以接受的例如为重定向取数据见traceRedirectLoader、promptTagRedirectLoader、spanRedirectLoader等js/app/src/pages/redirects/下文件一次性动作on-shot action如 Agent 工具中读取数据集元数据、删除数据集等立即消费型调用js/app/src/agent/tools/下大量此类用法。4. 组件自己加载的 ref 用 useQueryLoader如果组件自己通过loadQuery创建 ref应交给useQueryLoader管理——它负责保留与释放。5. Loader 返回的 ref 用 useOwnedPreloadedQuery如果路由 loader 返回一个「本组件直接拥有」的loadQueryref用useOwnedPreloadedQuery读取而不要用usePreloadedQuery。关于 dispose 的所有权原则释放dispose是一个所有权决策只有所有者应该释放 query ref。过早释放一个共享 ref会让仍然挂载的读者后续遭遇「数据缺失missing data」或与垃圾回收GC相关的崩溃。共享 ref 应通过 context/props 传递并明确单一所有者或由useQueryLoader/useOwnedPreloadedQuery托管。按 id 取单个实体用 node(id: $id) 而不是整表捞取客户端不要为找一个实体而过度拉取当只需要按 id 取一个对象时例如懒加载的 tooltip、详情 popover直接用node(id: $id)根字段 具体类型上的内联 fragment不要拉取整个集合然后在客户端.find()。反例不推荐// 拉取整张表只为取一行——浪费一次往返且数据量大时扩展性差 const data useLazyLoadQuery(listAllQuery, {}); const target data.datasets.edges.find(e e.node.id targetId);正例推荐——这正是 Phoenix 各页面 loader 的统一写法如datasetVersionsLoaderQuery、promptLoaderQueryconst data usePreloadedQueryDatasetVersionsLoaderQuery( datasetVersionsLoaderQuery, queryRef ); // datasetVersionsLoaderQuery query { dataset: node(id: $id) { ... on Dataset { ... } } }后端让类型实现 Node 并接入 Query.node 解析如果某个类型还没有通过node接口暴露正确的做法是在后端把它做成Node而不是用集合查询绕开GQL 类型声明id: NodeID[int]并实现Node接口让全局 ID 可解析字段从 id 懒解析lazy resolution避免为一次查找加载整条集合在Query.node中补一个分支在 src/phoenix/server/api/queries.py 的node解析器里增加类似elif type_name X.__name__: return X(idnode_id)的分支。Phoenix 后端Query.node的实现模式非常清晰先用GlobalID.from_id(id)解析出type_name与node_id再对Project、Trace、Span、Dataset、Experiment、Prompt、PromptVersion、SpanAnnotation、TraceAnnotation、LLMEvaluator等二十余种类型逐一elif type_name X.__name__: return X(idnode_id)分发见 src/phoenix/server/api/queries.py。其中PromptVersion还会回源数据库做存在性校验后转换为 GQL 对象。前端新增一个可node(id:)查询的实体时照此模式在node解析器中登记类型即可。这种「前端node(id: $id)直达 后端Node接口懒解析」的组合既避免了整表捞取的往返浪费也让 Phoenix 的全局 ID 体系id: NodeID[int]保持自洽是 Phoenix 前端数据获取层一贯遵循的工程约定。总结Phoenix 前端的数据获取规范可以浓缩为一句话让「渲染的数据」由声明式 hooks 保证存续让「一次性消费的数据」用 fetchQuery 即刻使用让「所有权」始终清晰单一。具体到路由加载器模式用loadQueryuseOwnedPreloadedQuery或组件自持时用useQueryLoader完成 render-as-you-fetch按 id 查单个实体时坚持前端node(id: $id) 后端Node接口的路径不为一次查找付出整表拉取的代价。遵循这些约定就能在 Relay 的缓存驱逐与 GC 机制下写出稳定、可扩展的 Phoenix 前端数据层。赞分享可观测性AI 评测LLMOpsAI 应用人工智能【免费下载链接】phoenixAI Observability Evaluation项目地址https://gitcode.com/gh_mirrors/phoenix13/phoenix点击查看免费下载相关推荐vue-admin-betterGraphQL查询数据获取与缓存实现vue admin betterGraphQL查询数据获取与缓存实现 在现代前端开发中高效的数据获取和管理是构建优秀用户体验的关键。GraphQL作为一种强前端认证鉴权管理后台快速上手raylib3分钟搞定游戏开发环境终极配置指南快速上手raylib3分钟搞定游戏开发环境终极配置指南 你是否曾经想要学习游戏开发却被复杂的开发环境配置吓退或者已经尝试过Unity、Unreal等重型引游戏开发图形学3D渲染Relay 查询数据保留指南用 environment.retain 手动防止查询数据被垃圾回收Relay 查询数据保留指南用 environment.retain 手动防止查询数据被垃圾回收 本文围绕 RelayJavaScript 数据驱动 Rea前端开发工具创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/6 6:37:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/7 0:39:20

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/6 1:10:54

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/6 17:25:36

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/6 14:29:05

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/6 14:29:07

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉