我放棄 Axios，改用 Alova
Axios 是一個基于 Promise 的 HTTP 客戶端，每周 npm 下載量超過 4000 萬。 如果回到10年前，promise式的請求工具是一個偉大的創新。 它解決了繁瑣的請求問題。
但隨著時間的推移，Axios 在開發效率和性能上開始落后。 特別是現在面對越來越復雜的需求，我們需要的是更加創新和領先的請求工具，而promise式的請求工具只能稱之為傳統。
接下來，我會揭露Axios在某些方面的不足，并推薦一個比Axios更現代、更創新的請求工具，也就是上面的輕量級請求策略庫。
一、Promise式請求工具（Axios）的弱點
1.1 與React、Vue等框架分離
現在前端幾乎離不開React、Vue等前端UI框架。 axios無法深度綁定這些框架的狀態，需要開發者自行維護，導致開發效率低下。
1.2 性能方面沒有
現在是2023年，應用已經比10年前的應用復雜了好幾個數量級，對請求的要求也越來越高，以保證頁面的性能要求。 axios在這方面什么都不做，比如頻繁重復請求，同時發起多個相同的請求等。
1.3 體積臃腫
根據bundle phobia，axios在壓縮狀態下的體積是11+kb，見下圖
1.4 響應數據的Ts類型定義混亂
在使用axios的時候，你可能經常會這樣寫：
const inst = axios.create({
baseURL: 'https://example.com/'
})
inst.interceptors.response.use(response => {
if (response.status === 200) {
return response.data
}
throw new Error(response.status)
})
interface Resp {
id: number
}
inst.get<Resp>('/xxx').then(result => {
data.data
})不知道Axios是故意的還是忽略了。 在上面發起的GET請求中，響應數據結果的類型一直是axios.AxiosResponse<Resp>，但是我們在響應攔截器中返回了response.data。 這導致陷入混亂的響應數據類型。
2、Alova是如何解決以上問題的？
2.1 與UI框架深度集成，自動管理請求相關數據
假設我們需要發起一個基本的數據獲取請求，以Vue為例，直接對比代碼。
// axios
<template>
<div v-if="loading">Loading...</div>
<div v-else-if="error" class="error">
{{ error.message }}
</div>
<div v-else>{{ data }}</div>
</template>
<script setup>
import axios from 'axios';
import { ref, onMounted } from 'vue';
const loading = ref(false);
const error = ref(null);
const data = ref(null);
const requestData = () => {
loading.value = true;
axios.get('http://xxx/index').then(result => {
data.value = result;
}).catch(e => {
error.value = e;
}).finally(() => {
loading.value = false;
});
}
onMounted(requestData);
</script>// alova
<template>
<div v-if="loading">Loading...</div>
<div v-else-if="error" class="error">
{{ error.message }}
</div>
<div v-else>{{ data }}</div>
</template>
<script setup>
import { createAlova, useRequest } from 'alova';
const pageData = createAlova({ baseURL: 'http://xxx' }).Get('/index');
const { loading, data, error } = useRequest(pageData);
</script>在axios中，你需要創建相應的請求狀態并自行維護，而Alova為你接手了這項工作。
2.2 開箱即用的高性能特性
傳統的 Promise 風格的請求工具主要定位是通過 Promise 簡化請求，提升性能可能是他們考慮最少的。
但是，請求策略庫Alova強調了這一點。 在 Alova 中，默認情況下啟用內存。 緩存和請求共享，這兩個可以極大的提升請求性能，提升用戶體驗，減輕服務器壓力，我們一一來看。
內存緩存
內存模式是在響應請求后，將響應數據保存在本地內存中。 下次再發起同樣的請求時，將使用緩存的數據，而不是再次發送請求。
想象一下，當你在實現一個列表頁面時，點擊列表項就可以進入詳情頁面查看數據。 你會認為用戶可能會經常點擊查看列表中的詳細信息。 在詳情數據沒有變化的情況下，每次進入詳情頁請求一次，每次都需要用戶等待加載，太浪費了。 在Alova，你可以默認享受這樣的待遇。
要求分享
您可能遇到過這種情況。 當一個請求發送但沒有得到響應時，再次發起同一個請求，造成請求浪費，或者重復提交的問題，比如下面三種場景：
- 當一個組件被創建時，它會獲得初始化數據。 當一個頁面同時渲染多個組件時，會同時發送多個相同的請求。
- 提交按鈕未禁用且用戶多次單擊提交按鈕。
- 預加載完成前進入預加載頁面時，會多次發起同一個請求。
共享請求就是用來解決這些問題的。 它是通過多路復用請求來實現的。 由于這種情況不能直觀展示，就不展示了。 有興趣的小伙伴可以自行體驗。
重量輕
壓縮狀態下的Alova只有4kb+，只有Axios的30%+，看下面截圖
2.3 更直觀的響應數據TS類型
在 axios 中，要定義響應數據的類型是令人困惑的。 如果你是 Typescript 的重度用戶，alova 可以為你提供完整的字體體驗。 當你在請求處定義響應數據的類型時，你可以在多個地方享受它，它會讓你感覺很清晰，我們來看看。
interface Resp {
id: number
}
const pageData = createAlova({ baseURL: 'http://xxx' }).Get<Resp>('/index');
const {
data,
loading, error, onSuccess, send
} = useRequest(pageData);
onSuccess(event => {
console.log(event.data);
});
const handleClick = async () => {
const data = await send();
}至此，相對于傳統的Promise風格的請求庫，你可能對alova的強大有了初步的了解。
3. Alova的其他特點
3.1 類似axios的API設計，更易上手熟悉
Alova 的請求信息結構與 Axios 幾乎相同。 讓我們比較一下他們的 GET 和 POST 請求。
// axios
axios.get('/index', {
headers: {
'Content-Type': 'application/json;charset=UTF-8'
},
params: {
userId: 1
}
});
// alova
const todoListGetter = alovaInstance.Get('/index', {
headers: {
'Content-Type': 'application/json;charset=UTF-8'
},
params: {
userId: 1
}
});// axios
axios.post('/login', {
username: 'xxx',
password: 'ppp'
}, {
headers: {
'Content-Type': 'application/json;charset=UTF-8'
},
params: {
userId: 1
}
});
// alova
const loginPoster = alovaInstance.Post('/login', {
username: 'xxx',
password: 'ppp'
}, {
headers: {
'Content-Type': 'application/json;charset=UTF-8'
},
params: {
userId: 1
}
});3.2 高性能尋呼請求策略
自動維護分頁相關數據和狀態，提供通用的分頁數據操作能力。 據官方介紹，可提升列表頁流暢度300%，編碼難度降低50%。
下面是官方提供的例子，感興趣的同學可以去看看。
3.3 無感數據交互的請求策略
據我了解，它使用以下技術：
- 持久化請求隊列，保證請求的安全性和序列化
- 請求重試策略機制，保證請求的順利完成
- 虛擬響應數據（一個創新概念）用作無響應數據的占位符，以便在響應后可以將其定位并替換為實際數據。
3.4 數據預取
數據是通過拉取數據進行預加載，緩存在本地。 這部分數據用到的時候，可以打緩存，直接顯示數據。 這種方式也大大提高了用戶體驗。
