上下文 | Context
在 Node.js 世界中，上下文（Context）允许我们在同一个请求中共享数据和状态。在 GraphQL 中，上下文允许在同一个请求的多个解析函数和中间件之间共享数据。
一个常见的用例是将当前访问者的身份信息存储在上下文中，以便在解析函数和中间件中访问。
访问上下文
在 GQLoom 中，我们通过 useContext() 函数访问上下文。
GQLoom 的 useContext 函数的设计参考了 React 的 useContext 函数。
你可以在解析器内的任何地方调用 useContext 函数以访问当前请求的上下文，而不需要显式地传递 context 函数。
在幕后，useContext 使用 node.js 的 AsyncLocalStorage 来隐式传递上下文。
接下来，让我们尝试在各个地方访问上下文。
我们将使用 graphql-yoga 作为适配器。
在解析函数中访问上下文
import { query, resolver, useContext, weave } from "@gqloom/core"
import { ValibotWeaver } } from "@gqloom/valibot"
import * as v from "valibot"
import { type YogaInitialContext, createYoga } from "graphql-yoga"
import { createServer } from "http"
const HelloResolver = resolver({
hello: query(v.string(), () => {
const user =
useContext<YogaInitialContext>().request.headers.get("Authorization")
return `Hello, ${user ?? "World"}`
}),
})
const yoga = createYoga({ schema: weave(HelloResolver) })
createServer(yoga).listen(4000, () => {
console.info("Server is running on http://localhost:4000/graphql")
})
在上面的代码中，我们使用 useContext 函数从上下文中获取当前请求的 Authorization 头部，并将其与 Hello 字符串连接起来。
useContext 函数接受一个泛型参数，该参数指定上下文的类型，在这里，我们传入了 YogaInitialContext 类型。
让我们尝试调用这个查询：
curl -X POST http://localhost:4000/graphql -H "content-type: application/json" -H "authorization: Tom" --data-raw '{"query": "query { hello }"}'
你应该会得到以下响应：
{"data":{"hello":"Hello, Tom"}}
在中间件中访问上下文
import { useContext, Middleware } from "@gqloom/core"
import { type YogaInitialContext } from "graphql-yoga"
function useUser() {
const user =
useContext<YogaInitialContext>().request.headers.get("Authorization")
return user
}
const authGuard: Middleware = (next) => {
const user = useUser()
if (!user) throw new Error("Please login first")
return next()
}
在上面的代码中，我们创建了一个名为 useUser 的自定义钩子，它使用 useContext 函数从上下文中获取当前请求的 Authorization 头部。
然后，我们创建了一个名为 authGuard 的中间件，它使用 useUser 钩子来获取用户，并在用户未登录时抛出错误。
要了解更多关于中间件的信息，请参阅 中间件文档。
在验证输入时访问上下文
我们可以在 valibot 中自定义验证或转换，并在其中直接访问上下文。
import { query, resolver, useContext, weave } from "@gqloom/core"
import { ValibotWeaver } } from "@gqloom/valibot"
import * as v from "valibot"
import { type YogaInitialContext, createYoga } from "graphql-yoga"
import { createServer } from "http"
async function useUser() {
const authorization =
useContext<YogaInitialContext>().request.headers.get("Authorization")
const user = await UserService.getUserByAuthorization(authorization)
return user
}
const HelloResolver = resolver({
hello: query(v.string(), {
input: {
name: v.pipeAsync(
v.nullish(v.string()),
v.transformAsync(async (value) => {
if (value != null) return value
const user = await useUser()
return user
})
),
},
resolve: () => `Hello, ${name}`,
}),
})
const yoga = createYoga({ schema: weave(ValibotWeaver, HelloResolver) })
createServer(yoga).listen(4000, () => {
console.info("Server is running on http://localhost:4000/graphql")
})
在上面的代码中，我们在 v.transformAsync 中使用 useUser() 来获取上下文中的用户信息，并将其作为 name 的值返回。
记忆化
考虑我们通过以下自定义函数来访问用户：
async function useUser() {
const authorization =
useContext<YogaInitialContext>().request.headers.get("Authorization")
const user = await UserService.getUserByAuthorization(authorization)
return user
}
我们可能在 useUser() 中执行一些昂贵的操作，例如从数据库中获取用户信息，并且我们还有可能在同一请求中多次调用它。
为了避免多次调用造成的额外开销，我们可以使用记忆化（Memoization）来缓存结果，并在后续调用中重用它们。
在 GQLoom 中，我们使用 createMemoization 函数来创建一个记忆化函数。
记忆化函数会在第一次被调用后，将其结果缓存在上下文中，并在后续调用中直接返回缓存的结果。
也就是说，在同一个请求中，记忆化函数只会被执行一次，无论它被调用多少次。
让我们将 useUser() 函数记忆化：
import { createMemoization } from "@gqloom/core"
const useUser = createMemoization(async () => {
const authorization =
useContext<YogaInitialContext>().request.headers.get("Authorization")
const user = await UserService.getUserByAuthorization(authorization)
return user
})
如你所见，我们只需要将函数包装在 createMemoization 函数中即可。
随后，我们可以在解析器内的任何地方调用 useUser()，而无需担心多次调用带来的开销。
访问解析器参数
除了 useContext 函数，GQLoom 还提供了 useResolverPayload 函数，用于访问解析器中的所有参数：
-
root: 上一个对象，对于根查询类型上的字段来说，通常不会使用；
-
args: 在 GraphQL 查询中为字段提供的参数；
-
context: 在各个解析函数和中间件中共享的上下文对象；
-
info: 包含有关当前解析器调用的信息，例如 GraphQL 查询的路径、字段名称等；
-
field: 当前解析器正在解析的字段定义；
在各个适配器中使用上下文
在 GraphQL 生态中，每个适配器都提供了不同的上下文对象，你可以在适配器章节中了解如何使用：
