熟悉 Apollo GraphQL 的同學可直接跳過這一章，從 實踐 一章看起。
GraphQL 作為 FaceBook 2015年推出的 API 定義/查詢 語言，在歷經了兩年的發展之後，社群已相對發達和完善。對於 GraphQL 的一些基礎概念，本文不再一一贅述，目前社群相關的文章已經很多，有興趣的同學可以去 google，或者直接看GraphQL 官方教程 Apollo GraphQL Server 官方文件。
而 Apollo GraphQL 作為目前社群最流行的 GraphQL 解決方案提供商，提供了從 client 到 server 的一整套完整的工具鏈。在這裡我也準備以 Apollo 為例，通過一步步搭建 Apollo GraphQL Server 的方式，來給大家展示 GraphQL 的特點，以及我的一些思考（主要是我的思考）。
setup
建立基於 express 的 GraphQL server
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 |
// server.js import express from 'express'; import { graphiqlExpress, graphqlExpress } from 'apollo-server-express'; import schema from './models'; const PORT = 8080; const app = express(); ... app.use('/graphql', graphqlExpress({ schema })); app.use('/graphiql', graphiqlExpress({ endpointURL: '/graphql' })); if (process.env.NODE_ENV === 'development') { glob(path.resolve(__dirname, './mock/**/*.js'), {}, (er, modules) => modules.forEach(module => require(module).default(app))); } app.listen(PORT, () => console.log(`> Listening at port ${PORT}`)); |
執行 node server.js，這樣我們就能啟動一個 GraphQL server 了。
注意我們這裡使用了 apollo-server-express 提供的 graphiqlExpress 外掛，graphiql 是一個用於瀏覽器端除錯 graphql 介面的 GUI 工具。服務啟動後，我們在瀏覽器開啟 http://localhost:8080/graphiql就可以看到這樣一個頁面
定義 API schema
我們在 server.js 中定義了這樣一個 endpoint : app.use('/graphql', graphqlExpress({ schema }));
這裡傳入的 schema 是什麼呢？它大概長這樣：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 |
import { makeExecutableSchema } from 'graphql-tools'; // The GraphQL schema in string form const typeDefs = ` type User { id: ID! name: String age: Int } type Query { user(id: ID!): User } schema { query: Query } `; // The resolvers const resolvers = { Query: { user({id}) { return http.get(`/users/${id}`)}} }; // Put together a schema const schema = makeExecutableSchema({ typeDefs, resolvers }); app.use('/graphql', graphqlExpress({ schema })); |
這裡的關鍵是用了 graphql-tools 這個庫提供的 makeExecutableSchema 組合了 schema 定義和對應的 resolver。resolver 是 Apollo GraphQL 工具鏈中提出的一個概念，什麼用呢？就是在我們客戶端請求過來的 schema 中的 field 如果在 GraphQL Server 中有對應的 resolver，那麼在返回資料時候，這些 field 就由對應的 resolver 的執行結果填充(支援返回 promise)。
客戶端請求
這裡藉助 graphiql 皮膚的功能來傳送請求：
看一下 http request payload 資訊：
響應體：
也就是說，無論你是用你熟悉的 http lib 還是社群的 apollo client，只要按照 GraphQL Server 要求的既定格式發請求就 ok 了。
這裡我們使用了 GraphQL 中的 variable 語法，事實上在這種需要傳參的動態查詢場景下，我們應該總是使用這種方式傳送請求：即一個 static query + variable 的方式，而不是在執行時動態的生成 query string。這也是官方建議的最佳實踐。
更復雜的巢狀查詢場景
假設我們有這樣一個場景，即我們需要取到 User Entity 下的 nick 欄位，而 nick 資料並不來自於 user 介面，而是需要根據 userId 呼叫另一個介面取得。這時候我們服務端的程式碼需要這樣寫。
|
1 2 3 4 5 6 7 8 |
// schema type User { id: ID! name: String age: Int nick: String } |
|
1 2 3 4 5 6 |
// resolver User: { nick({ id }) { return getUserNick(id); } } |
resolver 的引數列表中包含了當前所在 Entity 已有的資料，所以這裡可以直接在函式的入參裡取到已查詢出來的 userId。
看下效果：
服務端的請求：
可以看到，這裡多出了查詢 nick 的請求。也就是說，GraphQL Server 只有在客戶端提交了包含相應欄位的 query 時，才會真正去傳送相應的請求。更多 resolver 說明可以看這裡。
其他
在真實的生產環境中，我們通常會有更多更復雜的場景，比如介面的許可權認證、分頁、快取、批量提交、schema 模組化等需求，好在社群都有相對應的一些解決方案，這不是本文的重點所以不在這裡一一介紹了，有興趣的可以去看下我之前寫的 graphql-server-startkit，或者官方的 demo。
實踐
如果你真實的使用過 Apollo GraphQL，你會經歷如下過程：
- 定義一個 schema 用於描述查詢入口
123456789101112131415// schema.graphqltype User {id: ID!name: Stringnick: Stringage: Intgender: String}type Query {user(id: ID!): User}schema {query: Query} - 編寫 resolver 解析對應型別
123456789101112const resolvers = {Query: {user(root, { id }) {return getUser(id);}},User: {nick({ id }) {return getUserNick(id);}}};
- 編寫客戶端請求程式碼呼叫 GraphQL 介面，通常我們會封裝一個 get 方法
1234function getUser(id) {// 以 axios 為例return axios.post('/graphql', { query: 'query userQuery($id: ID!) {↵ user(id: $id) {↵ id↵ name↵ nick↵ }↵}', operationName: "userQuery", variables: {id}});}
如果你的專案中加入了靜態型別系統，那麼你的程式碼可能就會變成這樣：
1234567891011// 以 ts 為例interface User {id: numbername: stringnick: stringage: numbergender: string}function getUser(id: number): User {return axios.post('/graphql', { query: 'query userQuery($id: ID!) {↵ user(id: $id) {↵ id↵ name↵ nick↵ }↵}', operationName: "userQuery", variables: {id}});}
寫到這裡你可能已經發現，不僅是 entity 型別定義，就連線口的封裝，我們在服務端和客戶端都重複了一遍（雖然一個用的 GraphQL Type Language 一個用的 TS）… 這還是最簡單的場景，如果業務模型複雜起來，你在兩端需要重複的程式碼會更多（比如型別的巢狀定義和 resolve）。這時候你可能會想起 DRY 原則，然後開始思考有沒**有什麼方式可以使得型別及介面定義能兩端複用，或者根據一端的定義自動生成另一端的程式碼？**甚至你開始懷疑，到底有沒有引入 GraphQL 的必要？
思考
GraphQL 作為一個標準化並自帶型別系統的 API Layer，其工程價值我也不再過多廣告了。只是在實踐過程中，既然我們無法完全避免服務端與客戶端的實體與介面定義重複（使用 apollo-codegen 可以避免一部分），而且對於大部分小團隊而言，運維一個 productive nodejs system 實際上都是力有未逮。**那麼我們是不是可以考慮在純客戶端構建一個類 GraphQL 的 API Layer 呢？**這樣既可以有效的避免編碼重複，也能大大的降低對團隊的要求，可操作的空間也比增加一個 nodejs 中間層大得多。
我們可以回憶一下，通常對於一個前端而言，促使我們需要一個 API Layer 的原因是什麼：
- 後端介面設計不夠 restful，命名垃圾，用的時候看見那個*一樣的 url 就難受。
- 後端同學只願意寫 microservice，提供聚合服務的 web api 被認為沒有技術含量，不願意寫。你需要一個資料，他告訴你需要調 a、b、c 三個介面，然後根據 id 組裝合併。
- 介面返回的資料格式各種巢狀及不合理，不是前端想要的結構。
- 介面返回的資料欄位命名隨意或者風格不統一，我有強迫症用這種介面會發瘋。
- 後端返回的 資料格式/欄位名 一旦變了，前端檢視繫結部分的程式碼需要修改。
通常情況下，碰到這些問題，你可能去跟後端同學據理力爭，要求他們提供呼叫體驗更良好設計更優雅的介面。沒錯這很好，畢竟為了追求完美去跟各種人撕（跟後端撕、跟產品撕、跟UI撕）是一個前端工程師基本的職業素養。但是如果你每天都被撕逼弄得心力交瘁，甚至是你根本找不到撕的物件（比如資料來源介面來著幾個不同部門，甚至是一些祖傳的沒人敢動的介面），這些時候大概就是你迫切希望有一個 API Layer 的時候了。
如何在客戶端實現一個 API Layer
其實很簡單，你只需要在客戶端把 Apollo Server 中要寫的 resolvers 寫一遍，然後配上一些效能提升手段（如快取等），你的 API Layer 就完成了。
比如我們在src下新建一個 loaders/apis 目錄，所有的資料拉取介面都放在這裡。比如這樣：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 |
// UserLoader.ts export interface User { id: number name: string nick: string } export default class UserLoader { async getUser(id: number): User { const base = await Promise.all([http.get('//xxx.com/users/${id}'), this.getUserNick(id)]); const user = base.reduce((acc, info) => ({...acc, ...info}), {}); return user; } getUserNick(id: number): string { return http.get(`//xxx.com/nicks/${id}`); } } |
然後在你業務需要的地方注入相應 loader 呼叫介面即可，如：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
import { inject } from 'mmlpx'; import UserLoader from './UserLoader'; // Controller.ts export default class Controller { @inject(UserLoader) userLoader = null; async doSomething() { // ... const user = await this.userLoader.getUser(this.id); // ... } } |
如果你不喜歡依賴注入的方式，loaders/apis 層直接 export function getUser 也可以。
如果你碰到了上面描述的第 3、4 、5 三種問題，你可能還需要在這一層做一下資料格式化。比如這樣：
|
1 2 3 4 5 6 7 8 9 10 |
async getUser(id: number): User { const base = await Promise.all([http.get('//xxx.com/users/${id}'), this.getUserNick(id)]); const user = base.reduce((acc, info) => ({...acc, ...info}), {}); return { id: user.id, name: user.user_name, // 重新命名欄位 nick: user.nick.userNick // 剔除原始資料中無意義的層次結構 }; } |
經過這一層的資料處理，我們就能確保我們的應用執行在前端自己定義的資料模型之下。這樣之後後端介面不論是資料結構還是欄位名的變更，我們只需要在這一層做簡單調整即可，而不會影響到我們上層的業務及檢視。相應的，我們的業務層邏輯不再會直接對接介面 url，而是將其隱藏在 API Layer 下，這樣不僅能提升業務程式碼的可讀性，也能做到眼不見為淨。。。
總結
熟悉 GraphQL 的同學可能會很快意識到，我這不過是在客戶端做了一個簡單的 API 封裝嘛，並不能解決在 GraphQL 出現之前的 lots of roundtrips 及 overfetching 問題。但事實上是 roundtrip 的問題我們可以通過客戶端快取來緩解（如果你用的是 axios 你可能需要 axios-extensions ），而且 roundtrip 的問題其實本質上我們不過是將客戶端的 http 開銷轉移到服務端了而已。在客戶端與服務端均不考慮快取的情況，客戶端反而會少一個請求。。。overfetching 問題則取決於 backend service 的粒度，如果 endpoint 不夠 micro，即便是 GraphQL，也會出現介面資料冗餘問題，畢竟 GraphQL 不生產資料，它只是資料的搬運工。。。而如果 endpoint 粒度足夠小，那麼我在客戶端 API 層多開幾個介面（換成 Apollo 也要多寫幾個 resolver），一樣可以按需取資料。服務端 API Layer 只有一個不可替代的優勢就是，如果我們的資料來源介面是不支援跨域或者僅內網可見的，那麼就只能在服務端開個口子做代理了。另外一個優勢就是，GraphQL Server 的 http 開銷是可控的，畢竟機器是我們自己控制，而客戶端的環境則不可控（受限於終端裝置及網路環境，比如低版本瀏覽器或者低速網路，均會導致 http 開銷的效能權重增大）。
可能有同學會說，服務端 API Layer 部署一次任何系統都可以共享其服務，而客戶端 API Layer 的作用域只在某一專案。其實，如果我們把某一專案需要共享的 API Layer 打成一個 npm 包釋出出去，不也能達到同樣的效果嗎，很多平臺的 js sdk 不都是這個思路麼（這裡只討論 web 開發範疇）。
在我看來，不論你是否會搭建一個服務端的 API Layer，**我們其實都需要有一個客戶端 API Layer 從資料來源頭來保證客戶端資料的模型統一及一致性，從而有足夠的能力應對介面的變遷。**如果你考慮的再遠一點，在 API Layer 服務的業務模型層，我們同樣需要有一套獨立的 Service/Model Layer 來應對檢視框架的變遷。這個暫且按下不表，後面會再寫篇文字來詳細說一下我的思路。
事實上，對於大部分團隊而言，客戶端 API Layer 已經夠用了，增加一層 GraphQL 並不是那麼必要。而且如果沒有很好的支援將客戶端介面轉換成 GraphQL Schema 和 resolver 的工具時，我們並不能很愉快的 coding，畢竟兩端重複的工作還是有點多。