Java 中的 GraphQL 框架，了解一下？

几乎所有流行的编程语言都有 GraphQL 实现。

微信搜索关注《Java学研大本营》，加入读者群，分享更多精彩

今天，几乎所有流行的编程语言都有 GraphQL 实现。这些解决方案可以安全使用，而且大多是经过时间检验、可用于生产的。

应该首先将注意力集中在 Graphql-java 库上。这是唯一可用的真实 GraphQL 引擎。

该引擎已经能够实现数据获取、处理上下文、处理错误、监控、查询限制、字段可见性，甚至是数据加载器。因此，可以选择按原样使用它，或者对框架进行大胆的更改，看看哪个最适合。Graphql-java 是开源的，由普通人创建，最近一次提交只是几天前。该引擎正在积极开发中。

但是，尽管有这么多优点，还是应该仔细考虑是否值得直接使用它。

除了这个库之外，还有其他三个需要考虑的框架。其他一切主要由非常小的库组成。

模式优先与代码优先

但首先，看一下在后端设计 graphql API 的两种关键方法。有两个对立的阵营——模式优先和代码优先解决方案。

在经典的模式优先方法中，首先描述 graphql 模式，然后在代码中使用它来实现模型和数据获取器。这种方法的优点是不同的人甚至部门都可以设计和开发方案——例如，分析师设计方案，开发人员实施。也可以很方便的写一个方案马上给客户，同时开发一个后端。缺点是需要同时实现模式和代码——开发 API 时可能需要更多时间 + 现在有 2 个源不能相互冲突并完全同步——一个额外的链接可能会中断。

使用代码优先的方法，我们只编写代码并基于注释，框架本身生成模式。在这里，我们只有 1 个事实来源，但是没有代码就无法构建 graphql 图。

域图服务

我们要关注的第一个框架是 DGS （Domain Graph Service）。

Netflix 最初是在 2019 年发明的，并于 2020 年发布在开源上。这是一个成熟的框架——它有助于处理 GraphQL 代码、编写单元测试、提供自己的错误处理、基于模式生成数据获取器的代码生成等等。这是一个模式优先的解决方案。这一切都已准备就绪，Netflix 正在充分利用它。

尽管如此，我们还是选择了不同的解决方案。

首先，DGS 是模式优先的，我们希望使用代码优先的方法，更容易提出，开发速度更快，不需要开发没有代码的模式。

其次，DGS 使用spring boot。没关系！但我们不在公司内部使用它——我们有自己的框架，它使用纯 spring-core。当然，这并不意味着不可能提高它——我们设法开始了，之前与保罗讨论过是否在没有引导的情况下提高规范或作者不推荐（规范） . 但要做到这一点，有必要了解框架本身的代码，手动查找和声明十几个未记录且并不总是可以理解的 bin，这些 bin 在新版本的 DGS 中可能会被破坏。一般来说，不是免费维护的。

第三，即使它是一个成熟的框架，你仍然必须添加它来处理单元测试、错误处理、监控等。这仅仅是因为你的项目正在增长，而你将没有足够的现有解决方案。

尽管如此，它还是很酷的。

DGS：

• 模式优先

• 来自 Netflix 的开源

• 在Spring-boot启动

• 成熟的框架

Java SPQR

我们将分析的下一个liba是 Java SPQR 。

经过多年验证的开源库。此外，这也是唯一的代码优先解决方案，而且不是一个成熟的框架。liba 所做的所有事情都是实现代码优先的方法，并帮助稍微使用服务 GraphQL 代码。

但是，尽管做出了选择，但目前很难建议使用它，因为它已被放弃。最后一次提交是一年多前，问题没有答案，也没有支持。

为什么这可能很重要，例如，graphql 支持继承，并且在 2020 年，graphql-spec，然后是 graphql-java，获得了使用多接口继承的能力。现在是 2022 年，但在 SPQR 中不能使用这个新功能。

然而，最近该项目有了恢复工作的计划，这不禁让人欣喜若狂。

Spring GraphQL

要谈论的最后一个框架是 Spring GraphQL 。

2021 年 7 月发布。同样是模式优先的方法，与 spring 的集成，稍微重复了 DGS。也有自己的错误处理程序，支持编写单元测试，更方便地使用数据获取器。

Spring GraphQL：

• 模式优先

• Spring集成

• 成熟的框架

• 最近发布

效果

现在创建一个简单的 graphql 服务器。作为标准堆栈，我们将使用 Java 和 Spring，作为 GraphQL - SPQR，使用 Graphql-java 引擎。

GraphQL bean

首先，让我们创建将执行所有查询的GraphQL bin。

@Configuration
public class GraphQLConfig {

  private final CandidateResolver candidateResolver;
  private final ResumeResolver resumeResolver;
  public GraphQLConfig(CandidateResolver candidateResolver,
                       ResumeResolver resumeResolver) {
    this.candidateResolver = candidateResolver;
    this.resumeResolver = resumeResolver;
  }
  @Bean
  public GraphQLSchema getGraphQLSchema() {
    return new GraphQLSchemaGenerator()
      .withBasePackages("com.example.graphql.demo.models")
      .withOperationsFromSingletons(candidateResolver, resumeResolver)
      .generate();
  }
  @Bean
  public GraphQL getGraphQL(GraphQLSchema graphQLSchema) {
    return GraphQL.newGraphQL(graphQLSchema)
      .queryExecutionStrategy(new AsyncExecutionStrategy())
      .instrumentation(new CustomTracingInstrumentation())
      .build();
  }
}

要执行它，需要知道模式。但由于 SPQR 是一种代码优先的方法，我们使用一个模式生成器，将从根包中的模型字段构建它。

接下来，我们将定义一个 graphql 查询执行策略。默认情况下，图中的每个节点都是异步执行的，以防万一可以更改。

之后，让我们重新定义工具（我们将分别讨论）并运行 bin.GraphQLSchemaExecutionStrategyAsyncExecutionStrategy。

端点

需要从某个地方获取请求，所以创建一个接受查询的常规 POST 方法。对于所有 graphql 请求，都是相同的，不像 REST，我们为每个请求创建了一个单独的方法。

然后将执行请求传递给 graphql bin。

@RestController
public class DemoController {
  private final GraphQL graphQL;
  @Autowired
  DemoController(GraphQL graphQL) {
    this.graphQL = graphQL;
  }
  @PostMapping(path = "graphql",
    consumes = MediaType.APPLICATION_JSON_VALUE,
    produces = MediaType.APPLICATION_JSON_VALUE)
  public ExecutionResult graphql(@RequestBody EntryPoint entryPoint) {
    ExecutionInput executionInput = ExecutionInput.newExecutionInput()
      .query(entryPoint.query)
      .build();
    return graphQL.execute(executionInput);
  }
  public static class EntryPoint {
    public String query;
  }
}

入口点

已经描述了一个模式，知道如何接受查询。但是在哪里描述这个图的入口点？数据提取器（或解析器）在 graphql 中负责这一点。将在其中描述图节点的 bean。

@GraphQLQuery(name = "candidates") public CompletableFuture> getCandidates() { return CompletableFuture.supplyAsync(candidateService::getCandidates); }

在这种情况下，我们创建了一个入口点，它返回一些 .candidatesCandidate 的模型

public class Candidate {
  private Integer id;
  private String firstName;
  private String lastName;
  private String email;
  private String phone;
  // getters and setters are omitted
}

此外，SPQR 将在解析器中的模型上构建方案。

当然，尽可能多的这样的节点是可能的，也是必要的，这样它们才能相互交织，形成一个图。因此，让我们创建另一个节点并使用 . resumes@GraphQLContext。

@GraphQLQuery(name = "resumes")
  public CompletableFuture> getResumes(@GraphQLContext Candidate candidate) {
    return CompletableFuture.supplyAsync(() -> resumeService.getResumes(candidate));
  }
public class Resume {
  private Integer id;
  private String lastExperience;
  private Salary salary;
    // getters and setters are omitted
}
public class Salary {
  private String currency;
  private Integer amount;
    // getters and setters are omitted
}

它的工作原理是这样的——如果你从 请求某些东西，那么这个解析器才会对.candidatesresumes起作用。

Instrumentation

除此之外，我们当然希望监控查询执行的状态：每个解析器执行了多长时间，完整请求执行了多长时间，可以捕获哪些错误。为此，在注册 graphql-bin 时，可以指定 Instrumentation — 默认和自定义。

从技术上讲，这是一个实现的类（在例子中，继承自一个常规存根，以便不实现所有方法）。

它说明了在请求的某种状态下调用的方法：请求刚开始执行时，解析器被调用时，执行结束时等。

CustomTracingInstrumentation

public class CustomTracingInstrumentation extends SimpleInstrumentation {
    Logger logger = LoggerFactory.getLogger(CustomTracingInstrumentation.class);
    static class TracingState implements InstrumentationState {
        long startTime;
    }
    // Cоздаём контекст трэйсинга для конкретного запроса
    @Override
    public InstrumentationState createState() {
        return new TracingState();
    }
    // Выполняется перед каждым запросом. Инициализируем контекст трейсинга для замеров времени выполнения
    @Override
    public InstrumentationContext beginExecution(InstrumentationExecutionParameters parameters) {
        TracingState tracingState = parameters.getInstrumentationState();
        tracingState.startTime = System.currentTimeMillis();
        return super.beginExecution(parameters);
    }
    // Выполняется при завершении запроса. С помощью totalTime мерим время выполнения всего запроса
    @Override
    public CompletableFuture instrumentExecutionResult(ExecutionResult executionResult, InstrumentationExecutionParameters parameters) {
        TracingState tracingState = parameters.getInstrumentationState();
        long totalTime = System.currentTimeMillis() - tracingState.startTime;
        logger.info("Total execution time: {} ms", totalTime);
        return super.instrumentExecutionResult(executionResult, parameters);
    }

    // Выполняется при каждом вызове DataFetcher/Resolver. С помощью него будем мерить время выполнения каждого резолвера
    @Override
    public DataFetcher instrumentDataFetcher(DataFetcher dataFetcher, InstrumentationFieldFetchParameters parameters) {
        // Так как любое поле в графе потенциально может быть резолвером, оставим только те, которые хотя бы что-то делают
        if (parameters.isTrivialDataFetcher()) {
        return dataFetcher;
        }
        return environment {
        long startTime = System.currentTimeMillis();
        Object result = dataFetcher.get(environment);
        // Так как все ноды в нашем случае выполняются асинхронно, замерим время только для них
        if(result instanceof CompletableFuture) {
            ((CompletableFuture) result).whenComplete((r, ex); {
            long totalTime = System.currentTimeMillis() - startTime;
            logger.info("Resolver {} took {} ms", findResolverTag(parameters), totalTime);
            });
        }
        return result;
        };
    }

    // Ветьеватая логика получения имени резолвера и его родителя (для лучшего понимания откуда вызывалась нода)
    private String findResolverTag(InstrumentationFieldFetchParameters parameters) {
        GraphQLOutputType type = parameters.getExecutionStepInfo().getParent().getType();
        GraphQLObjectType parent;
        if (type instanceof GraphQLNonNull) {
            parent = (GraphQLObjectType) ((GraphQLNonNull) type).getWrappedType();
        } else {
            parent = (GraphQLObjectType) type;
        }
        return parent.getName() + "." + parameters.getExecutionStepInfo().getPath().getSegmentName();
    }
}

事实上，Instrumentation 是非常强大的功能，不仅可以用于监控。例如，已经从 graphql-java 实现的 graphql-java 测量查询的最大深度并在超过时取消查询，并且在帮助下您可以将权重分配给特定节点并控制查询的复杂性，但存在细微差别。

这足以启动我们的服务。

请求本身。

{
    candidates {
        id,
        firstName,
        lastName,
        phone,
        email,
        resumes {
            id,
            lastExperience,
            salary {
                currency,
                amount
            }
        }
    }
}

响应将采用服务的标准 json 格式。

结论

这是 java 中 graphql 的情况。我们查看了不同的框架，评估了它们的优缺点，然后用 Java 实现了一个简单的 graphql 服务。

推荐书单

《Java编程讲义》

购买链接：https://item.jd.com/13495830.html

《Java编程讲义》根据目前Java开发领域的实际需求，从初学者角度出发，详细讲解了Java技术的基础知识。

全书共15章，包括Java开发入门，Java语言基础，Java控制结构，数组，面向对象编程，继承和多态，抽象类、接口和内部类，异常处理，Java常用类库，集合与泛型，Lambda表达式，输入-输出流，多线程，JDBC数据库技术，网络编程等内容。内容全面覆盖．1ava开发必备的基础知识点，结合生活化案例展开讲解，程序代码给出了详细的注释，能够使初学者轻松领会Java技术精髓，快速掌握Java开发技能。

《Java编程讲义》适合作为高等院校相关专业的教材及教学参考书，也适合作为Java开发入门者的自学用书，还可供开发人员查阅、参考。

精彩回顾

想要代码干净又整洁？这里有十大原则

详细&全面的RxJava架构原理与设计讲解

深入理解Docker网络通信原理

微信搜索关注《Java学研大本营》

访问【IT今日热榜】，发现每日技术热点