Axios二次封装全解析:鉴权、防重复、Loading、缓存与重试
我们直接开始吧。
项目标题:Axios 完整封装合集(鉴权 + 重复拦截 + Loading + 缓存 + 统一错误 + 请求重试|全代码逐行注释)
最近在维护一个后台管理系统,发现项目里到处是裸奔的 axios.get、axios.post,每个页面都在重复写 token、重复写错误弹窗、重复处理 401。代码量翻倍不说,排查问题全靠 console.log 和肉眼。趁着周末把 axios 二次封装这件事彻底做了一遍,顺手梳理成一套能直接抄作业的完整方案,涵盖了鉴权注入、重复请求拦截、全局 Loading、缓存策略、统一错误处理、失败重试这几个高频需求,每一行代码都写了注释,放在文末供直接复制。
先把结论放在前面:这套封装的核心思路是把“请求生命周期”当成一条流水线,在 request 发出前、发出后、返回失败这几个节点分别插入钩子,把横切逻辑从业务代码里彻底剥离出来。它解决的是“业务代码越来越臃肿”“接口报错没有统一出口”“重复点击导致重复提交”“弱网环境下偶尔失败直接白屏”这四类最常见问题,适合所有使用 axios(Vue / React / 小程序都适用)的前端开发者,特别是刚接手老项目、准备做接口层重构的同学。
1. 整体设计思路拆解
1.1 为什么要二次封装
axios 本身是一个很干净的 HTTP 客户端,它的核心能力已经被内置得很好:get、post、拦截器、取消请求、超时控制、错误处理。但正因为太干净,业务里那些“每个接口都要做一遍”的事它一概不管,比如:
- 每次请求前拼鉴权信息(token 从哪拿、过期了怎么办、刷新 token 怎么串起来)
- 多个请求并发时,相同请求重复发送导致资源浪费或提交重复数据
- 页面白屏前没有一个统一的 Loadin动画,每个页面都要自己维护一个
loading变量 - 列表数据和详情数据频繁切换时反复请求后端,想缓存又不愿引入 service worker 这种重量级方案
- 接口返回不同错误码时,到底哪些该弹窗提示、哪些该静默处理、哪些该触发登录失效
- 网络抖动或服务端偶发 5xx 时,是否要自动重试、重试几次、退避间隔怎么算
这些事情如果散落在每个页面,最直接的后果是:改一个错误码的提示文案,要全项目搜索 code === 200;更换登录态存储方案(比如 localStorage 换 cookie),牵扯几十个文件。二次封装的目的就是把这些“横切关注点”收敛到一个模块里,业务代码只关心“我要请求哪个接口、传什么参数、拿到数据渲染什么”。
1.2 方案选型对比与取舍
我梳理过几种常见做法,各有适用场景。
| 方案 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 只封装基础实例 | 代码改动小,上手快 | 不能解决统一错误和鉴权问题 | 只有一两个页面用 axios 的工具型 demo |
| 基于拦截器全量封装 | 功能完整、出口统一 | 代码量较大,需要理解拦截器执行顺序 | 中大型项目、团队多人协作 |
| 基于请求适配器(adapter)封装 | 更底层、可控性强 | 复杂度高,容易破坏既有行为 | 需要深度定制请求与响应过程的场景 |
| 拦截器 + 可配置项混合 | 兼顾灵活性和统一性 | 需要对配置项有清晰约定 | 本文推荐方案 |
我最终选择的是“拦截器 + 可配置项混合”这条路线。核心设计原则有两条:
- 通用逻辑放拦截器里,强制生效,不让业务方选择要不要;
- 部分功能(如缓存、重试、自定义 loading)通过扩展配置项按需开启,而不是一把梭全部开启。
这么设计的原因很实际:强制逻辑统一,避免团队里有同事绕过拦截器;按需开启则能避免无谓的性能损耗,例如列表页强制 caching 可能导致数据不是最新。
1.3 拦截器执行顺序的深入理解
axios 的拦截器分“请求拦截器”和“响应拦截器”,它们的执行顺序经常有人搞混。实际顺序是:
这里很隐蔽的一点是:axios 内部把请求成功和请求失败两个拦截器用 Promise 串联,如果第一个成功拦截器抛错,后续的成功拦截器和 HTTP 请求都不会执行。所以我们要在“把 token 写入 headers.config”和“对相同请求做取消”这两件事之间,安排好顺序,否则容易出现 token 还没加上就已经把请求给取消了的诡异结果。
2. 核心模块一:鉴权设计
2.1 Token 注入:请求拦截器第一步
所有鉴权方案的第一步,都是在请求发出前从本地存储读取 token,放进 Authorization 头里。这里有个小坑:axios 的请求头键名到底叫 headers 还是 Authorization,取决于你的后端约定,但大多数项目使用 Authorization: Bearer <token> 这种标准格式。为了让代码更健壮,我建议把 tokens 的读取统一封装成一个函数,例如:
请求拦截器里再这样用:
我不强制每个请求都注入 Authorization 的原因,是存在一些接口(如登录接口本身、公开的 banner 列表)不需要 token;如果你后端的接口全都需要 token,那你可以删掉判断,直接全部注入。注意另一个细节:尽量保留默认的 content-type 设置,有些同事在拦截器里直接 config.headers = { ...config.headers },会一不小心把 Content-Type 覆盖成 undefined,导致后端解析不到 body,这属于纯低级失误但实战中我见过太多次。
2.2 401 统一处理与登录过期
一个常见的错误处理方案是:接口返回 401 就弹“登录已过期”,然后跳转登录页。但真实项目里有几个需要仔细处理的边界:
- 多标签页同时打开时,多个请求同时返回 401,是不是要跳转多次、弹多个窗?—— 需要加全局的标志位,只在第一次 401 时执行跳转。
- 登录页本身返回 401,要不要跳转?—— 要判断当前是否已在登录页,避免死循环。
- 某些 keep-alive 页面的接口在用户离开后仍发出,返回 401 要不要弹窗?—— 最好是静默处理。
我建议的统一处理逻辑大致如下:
这里我推荐“延时恢复标志位”而不是“在路由跳转后立刻恢复”。原因很简单:当用户被踢到登录页后,可能马上有别的页面残留请求返回 401,短时间内连续操作会重复报错。
2.3 刷新 Token 队列与请求重放
稍微复杂一点的后端会采用双 token 方案:access token 有效期短(2 小时),refresh token 有效期长(7 天)。access token 过期后,客户端用 refresh token 换取新的 access token,业务请求不该直接失败。这个逻辑如果放在每个页面里写会疯掉,放在拦截器里可以做得很优雅。
核心思路是:第一个 401 触发刷新 token 请求;在这个刷新请求完成之前,后面所有因 401 失败的业务请求都把“原请求的 config”暂存到一个队列里;刷新成功后,用最新 token 重放请求,刷新失败则清空队列、跳转登录页。
这个方案在网上很多文章里叫“request queue”,亲测对于并发 3~5 个请求同时失效的场景非常有效。唯一要注意的是,刷新 token 接口本身可能也返回 401,这时要加一个标识符跳过拦截器里面的刷新逻辑,否则无限递归调用把自己打崩。
3. 核心模块二:重复请求拦截与 Loading
3.1 重复请求的判定策略
重复请求有两种典型形态:
- 短时间内同一个接口同一个参数被发起了多次,比如用户快速点击“保存”按钮;
- 多个页面组件同时调用同一个基础数据接口(比如用户信息),产生了重复的 HTTP 请求。
处理策略通常是“短时间内的相同请求只保留第一个,或者直接取消后一个”。我选择用“取消后发起的重复请求”方案,因为这样可以节约后端压力,同时前端始终只保有一份请求。有一个小细节:判定条件不仅是“url 相同”,还要把 method 和 params、data 一起参与计算,否则 GET 和 POST 同 URL 会互相误伤。
常见实现是用一个 Map 来保存“请求标识 -> CancelToken”的映射。请求发出前检查标识,如果存在就先取消之前的,再重新发起;响应完成后删除标识。
等等,上面的实现是“每次请求都创建新的 cancelToken,并且 key 相同就取消前一个”,其实是“取消之前重复的请求,用新的请求替代它”。这种方式比较友好,因为用户最后一次点击的那个请求不会被取消,响应正常返回。另一种“直接忽略后续重复请求”的做法则需要维护“进行中”的 Promise 引用,代码更绕,我不太推荐前端用——万一第一个请求因为网络卡住,后续所有同类请求都被锁死,体验很糟。
3.2 针对“重复提交”按钮做防抖
还有一种常见需求是为了防重复点击而把按钮在请求期间置灰。这类需求其实不一定要写在 axios 封装里,我更推荐在按钮层面处理。不过如果你不想给每个按钮加一个 loading props,可以监听响应拦截器里的全局事件:发起请求时 loadingCount++,响应回来时 loadingCount--,根据计数是否大于零来控制全局遮罩。
但要注意,全局 loading 并不适合所有场景:导出大文件接口可能几秒才返回,全局遮罩容易让用户误以为页面卡死;下载文件跳转新页面时,全局 loading 也会遮挡页面。所以给封装加一个自定义配置项 customConfig.loading = false 是比较好的做法。
3.3 请求取消的原理与浏览器层面的限制
很多人不了解 CancelToken 的原理,简单说:axios 在执行 XHR 或 fetch 时,会传入一个 cancel 回调;外部调用这个回调后,XHR 会被 abort,此时浏览器会以“用户取消请求”作为触发条件,走到 axios 的 catch 分支,错误对象里 axios.isCancel(err) 为 true。这样设计的好处是,取消请求不会出现在业务报错里——我们完全可以把 IsCancel 的异常静默掉。
这里要提醒一下:对于同源请求,浏览器在 HTTP 层面不会主动合并重复请求,只有 HTTP 缓存(特别是 GET 请求的强缓存)才可能做到“不发请求直接返回”。所以我们做重复拦截是在 axios 层的应用级控制,和本地缓存方案是两码事。若你的前端并不希望真正发请求,可以跳到后面的缓存方案。
4. 核心模块三:全局 Loading 与统一错误处理
4.1 Loading 计数器的细节
全局 Loading 最简单的实现是维护一个全局变量 requestCount,每次请求发出时 +1,响应回来后 -1,当计数变为 0 时隐藏 loading。这里有几个值得注意的点:
- 如果请求失败,也要在
catch里把计数-1,否则计数器永远回不到 0,loading 一直转。我见过真实项目犯过这个错,导致页面全程白屏遮罩。 - 当用户快速进入页面又退出时,页面组件已销毁,但全局 loading 遮罩还挂在 body 上,需要做组件生命周期的清理。
- 如果使用 UI 框架(Element UI、Ant Design 等)的
message.loading,要在每次计数归零时调用关闭,而且要小心多次打开关闭动画闪烁,可以加一个 200ms 的延迟处理。
下面给一个简洁的全局计数实现:
为什么不使用 requestCount === 0 作为关闭条件,而是额外判断 <= 0?防一手有人写错了导致负数,负数永远没办法再触发关闭逻辑。这样的防御性写法看着代码有点“过度”,实际上在多人协作项目中特别能救命。
4.2 统一错误提示的“静默开关”
很多教程喜欢把错误处理写成“弹出一个 message.error”。但真实业务里有大量接口不适合弹窗,比如:
- 搜索联想接口,用户每敲一个字都在请求,失败时如果弹窗,体验灾难;
- 后台管理系统里的统计数据接口,失败静默显示一个空态即可;
- 埋点上报接口,失败完全不应打扰用户。
所以封装方案里一定要有一个 customConfig.silent 开关:
统一错误提示的另一个关键是“在业务代码里减少 try/catch 的重复”,我通常会在响应拦截器里把后端约定的成功响应直接 return 出 response.data.data,这样业务代码的 promise 拿到的是干干净净的数据对象,而不是 response.data.data 这种嵌套地狱。这样做的好处还有:以后后端把返回结构从 { code, data, message } 改成 { code, result, msg },只需要在封装里改一处,业务代码零改动。
这里涉及到响应拦截器里 return 时机的控制:
4.3 Http 状态码与业务状态码的分级处理
这里要把两套状态码分开理解:第一是 HTTP 层面,比如 401 未授权、403 无权限、404 不存在、500 服务端异常;第二种是后端业务层面,比如 { code: 10001, message: '账号不存在' }。正确的处理逻辑是,先看 HTTP 状态码,再看业务 code,二者不能混为一谈。axios 默认对非 2xx 的 HTTP 状态码会走进 onRejected 分支,所以我们只需要在正确的地方分别写处理逻辑。
建议流程是:
onRejected里判断error.response.status,处理 HTTP 层面的 401/403/404/5xx;onFulfilled里判断response.data.code,处理业务逻辑层面的成功、失败、特殊错误码(如账号被冻结)。
这样分层的好处是,当后端网关出故障时,HTTP 500 会有一个全局的“服务异常请稍后重试”,而不会错误地展示业务消息为空的情况。顺便说一句,服务端如果返回的是非 JSON 结构(比如文件流),axios responseType 需要设为 blob,此时我们不应该再去解析 response.data.code,否则拿到的是一个 Blob 对象,会误判为业务失败。解决方式是在请求配置里增加 responseType 判断,如果为 blob,就直接放行。
5. 核心模块四:缓存策略
5.1 内存缓存:最快但最简单
最常见且实用的缓存是内存缓存,用一个 Map 或普通对象来保存 URL+参数对应的数据。由于请求 key 和重复请求拦截的 key 可以复用,实现成本很低。这里有几个设计点:
- 缓存要有生命周期,比如 5 秒、10 秒、5 分钟,否则用户修改数据后再刷新列表,看到的还是旧数据。
- 缓存对象要区分 GET 和 POST 请求,POST 通常不应默认缓存(因为会影响数据一致性)。
- 需要支持手动强制刷新,即调用接口时传
ignoreCache: true。
我给这套封装配置了三个参数:
cache: true是否启用缓存cacheTime: 5000缓存有效期ignoreCache: true强制跳过缓存
核心实现如下(放在请求拦截器里,命中缓存则直接返回一个伪造的 promise,不会再发起网络请求):
5.2 缓存 localStorage 的适用边界
另一类缓存是持久化缓存,比如把字典项、省市联动数据、一些初始化配置写进 localStorage。这类数据的特征是不常变更、每次进入 App 时都要用、接口数量少但内容大。但它有一个大坑:localStorage 只能存字符串,存对象要做 JSON 序列化;存到一定量(通常 5MB 左右)会溢出;另外在 SSR 环境下 window.localStorage 不存在,需要兼容判断。
我认为 localStorage 缓存不要放在 axios 封装里做太复杂,一个“读取时取缓存 + 写入时同步更新缓存”的工具函数就好。真正的高频数据比如 token、用户信息,也不建议直接存 localStorage,除非你们团队明确没有 XSS 风险。若想更安全,可以考虑把敏感 token 放在 HttpOnly Cookie 里,前端只负责从请求头里读取后端设置的 token(很多后端框架会直接用 Cookie 管理会话)。
5.3 stale-while-revalidate 模式值得借鉴
我们在 axios 封装里也能借鉴一种“先用旧数据渲染,再后台更新”的思路。也就是说,当缓存命中时,不等缓存失效,而是直接返回缓存数据给页面渲染,后台重新请求最新数据,返回后再更新缓存并通知页面刷新。这个模式在新浪微博、淘宝等大型站点里很常见,对首屏体验提升很大。
放在 axios 里实现也可以很轻量:
但这种方案不适合写入型接口,类似于“提交订单后立刻看到成功页”的场景不能先返回旧数据。所以 SWR 模式最好绑定到读接口上,在业务代码里按需调用。
5.4 缓存的清理策略
不做缓存的清理就是耍流忙。如果 cacheMap 只增不减,用户长时间操作后内存占用会缓慢上涨。所以要在封装里设计一个简单的清理函数:
- 定时清理:每隔 10 分钟遍历一次 Map,删除超时的缓存;
- 按需清理:退出登录时清空所有缓存(尤其是用户相关的数据缓存);
- 页面卸载时清理页面级缓存(可以在路由守卫里触发)。
实战中我用一个 setInterval 做定时清理,并在路由切换后对被访问过的路由模块做一次“清除该模块发起的 GET 请求缓存”操作,能有效避免返回旧页面时看到过期列表数据。
6. 核心模块五:请求重试与超时控制
6.1 重试的触发条件
请求重试不是无脑“失败了就重来”。必须给重试限定条件,否则重复提交、扣款、下单这类写操作会被重试放大风险。我建议的触发条件有两类:
- 网络层错误:比如
err.code === 'ECONNABORTED'超时、err.message === 'Network Error'断网; - HTTP 5xx 错误:服务器临时不可用,比如 502、503、504。
对于 4xx 错误(参数错误、未授权、资源不存在),重试毫无意义,反而浪费带宽。业务 code 层面的失败(如库存不足、余额不足)也应该直接拒绝,不重试。
6.2 指数退避算法
重试间隔的常见做法是“固定间隔 + 随机抖动”,因为固定间隔会导致多个客户端同时重试,把服务端瞬时打崩(惊群效应)。业界通常使用指数退避:
这里可以通过 Math.random() 引入抖动:
不过要用在真实项目里,这个退避函数只是基础零件,我们还需要把它嵌入到拦截器的重试流程中。axios 没有内置 retry 机制,所以通常是把原始 config 存起来,并在失败后手动重新调用 service(config)。
6.3 重试与重复请求拦截的兼容
这里有个特别容易踩的坑:如果某个请求中途失败并触发重试,那么它在这个时间窗口内又可能因为用户重复点击而被取消。为了避免混乱,我在设计时规定,重试请求要把 cancelToken 重新生成,并重新加入 pendingMap;同时重试次数达到上限后,把该请求的 key 从 pendingMap 中删除,让用户能继续发起同一请求。
另外要注意重试会重复显示 loading。如果用全局计数方案,基础封装会在请求发出前 +1、返回后 -1,重试时也同样计数。这其实是符合预期的,因为重试期间的 loading 依然表明“请求还在进行”。如果你不希望在重试时闪 loading,可以在重试的 config 里显式把 customConfig.loading = false。
6.4 超时设置的考虑
axios 默认 timeout: 0 代表无穷大。在浏览器环境下,一个请求挂起几分钟甚至十几分钟而不返回,用户早就关掉页面了,所以全局设置一个 timeout 很必要。我推荐:
- 普通接口:10 秒
- 文件上传:30 秒
- 文件下载:60 秒
- 批量导出:120 秒
最好在创建实例时统一设置,对特殊接口通过业务侧配置覆盖。超时后会抛出 ECONNABORTED,错误提示要友好,同时也要触发重试逻辑(如果你配置了重试)。这个参数的拿捏需要结合实际业务,我遇到过把 timeout 设成 3 秒导致导出大列表必失败的场景,体感特别差。
7. 完整代码实现与逐行注释
7.1 基础实例创建部分
下面给出一个完整的、可直接复制的 request.js 文件。为了阅读方便,我剥离了具体业务依赖,如 router、UI 框架的 Message / Loading / Modal,这些都是可替换的。
7.2 请求拦截器完整代码
这段拦截器里有一个特别容易被忽视的地方是第 4 步。因为我们返回的是一个 Promise.resolve,它会被后续的响应拦截器处理,所以我在响应拦截器里需要能够识别这是“缓存数据”而不是真实 HTTP 响应。我的做法是判断 response.config.customConfig.cache 并检测源码里是否有缓存保存过。如果你觉得这样不够清晰,也可以在缓存里额外放一个字段 isCache = true,并在响应拦截器里优先判断。
7.3 响应拦截器完整代码
这里要注意 removePending(config) 必须在响应一开始就做,否则“请求已经返回,但 pendingMap 里的 cancelToken 还留着”会导致同一请求永远无法再发出去。此外,重试里我用 new Promise(...).then(() => service(newConfig)) 代替直接递归调用 service(newConfig),核心原因是想在函数栈上避免同步递归造成潜在堆栈溢出,并且给退避延迟留出可用的等待窗口。
7.4 对外导出方法与业务调用
为了业务方便,我还会导入并二次封装常用方法:
业务侧调用示例如下:
8. 常见问题与排查技巧实录
8.1 重复拦截明明设置了,为什么快速点击按钮还是发两次请求?
这个场景我排查过很多次,绝大多数原因不是封装代码有问题,而是按钮并没有真正等到请求完成后再恢复可点击状态。比如你用 mounted 加载完毕后就允许按钮点击,又没加 loading 状态,用户在第一次请求还没返回时又点了一次,此时 axios 封装会取消前一个请求并发起新请求,你看到的仍然是一个请求,后端的重复提交变成了“前一个请求已被取消、后一个正常处理”。所以如果你要防“重复提交业务数据”,最稳妥的方式是按钮级 disable,而不是依赖请求拦截器取消。请求拦截器只适合“相同请求不重复发”这种场景,业务语义的重复提交要按钮层控制。
8.2 为什么缓存配置了,页面数据还是旧数据?
我遇过几种情况:
- 页面路由切换后,组件重新请求同一个接口,但缓存时间太长(比如 5 分钟),所以看到的是旧数据;
- 用户修改了一条数据,列表页返回时因为缓存命中直接渲染了旧列表;
- GET 和 POST 的 key 由 method 区分,但业务里同一个 URL 既用 get 又用 post 获取不同的数据,缓存 key 相同导致互相覆盖。
解决方案很简单:把 cacheTime 调小,或者在修改数据后手动清除缓存,或者把请求 key 的计算规则修改为“URL + 参数 + 自定义命名空间”。如果业务数据实时性要求很高,建议直接不开启缓存,只对字典、配置类接口开缓存。
8.3 全局 Loading 在某个请求失败后一直不消失?
这是计数器泄漏问题,一定是某个错误分支没有执行 hideLoading()。你可能在响应拦截器里写了很多分支,比如 blob 分支、缓存分支、取消分支,只要其中某一条路径提前 return 或 reject,却没把 loading 关闭,全局计数就会一直挂着。我这里推荐用一个循环防护:在 finally 中做隐藏才是最优解,也就是把隐藏逻辑统一放在 try...catch...finally 的 finally 中,避免分散。
还有一种可能是你全局 loading 用的是 Promise 级联,某个异步回调未捕获导致状态错乱。调试时建议直接打印 requestCount,一目了然。
8.4 axios.isCancel(err) 为什么没有识别出来?
CancelToken 的取消错误对象里必须有 __CANCEL__ 标记,axios 的 isCancel 判断的是这个标记。如果你是用自定义 new AbortController() 方式取消 fetch 请求,则不会被 isCancel 识别。所以如果你同时封装了 fetch 和 axios,记得分别判断。还有一种情况是,你自己在业务代码里手动 reject 了一个错误,又误用了 error.__CANCEL__ 或做了兼容逻辑,导致 isCancel 返回 false。最省事的做法是从创建 axios 实例就统一通过 axios.CancelToken,不要手动捏造错误对象。
8.5 重试请求导致重复创建 CancelToken,内存泄漏?
重试逻辑里每次都 new axios.CancelToken(() => {}),确实会创建大量不会触发的 token。如果接口高频失败,这种对象会堆积。比起使用 CancelToken,更推荐在 axios 新版本里使用 AbortController。不过目前不少项目还是 axios 1.x 之前的老版本,为了兼容团队成员,我保留了 CancelToken。如果你用的是 axios 1.x,也可以把取消逻辑改为:
然后把 cancel 函数存到 pendingMap 里。这样暴露出一个问题:老的 CancelToken 在取消后如果被再次复用,会直接报“canceled”异常,所以在挂起重试时,取消对象要重新生成。这是实现重试和取消共存时最容易踩的坑。
8.6 如何调试这套封装?
我说几个实用小技巧。第一,在请求拦截器里,console.log(config.method.toUpperCase(), config.url, config.params || config.data) 能把所有请求行为串成一个日志流,排查重复请求非常方便。第二,在响应拦截器里对非 2xx 的响应打印 error.response.status 和 config.url,马上能定位是哪个接口在报错。第三,当缓存数据表现异常,可以在 getCache 里打印命中 key,判断是参数不一致还是缓存时间问题。
不需要在整个项目里无脑打印,只需要在调试模式下开启:
上线后自动关闭,不影响任何性能。这套封装被塞进一个文件后,只要团队约定好“所有请求都走这个模块”,后续十有八九的请求问题都能在 5 分钟内定位。
9. 封装之外还有两个值得做的细节
9.1 通用错误码映射表
很多后端在业务 code 上有完整定义,比如 10001 参数错误、10002 未登录、10003 无权限、10010 数据不存在。与其在响应拦截器里散落 if/else,不如维护一个统一的错误码映射表,并允许业务侧覆盖。
这能有效把后端返回的 message 和前端本地文案统一管理起来。如果后端已经返回了合理的 message,则以后端为准;如果后端 message 很敷衍,前端可以覆盖。这样在需求变更时,改一个映射表就能全站生效。
9.2 请求的“时间戳标记”与竞态处理
有时候页面上多个请求并发,用户快速切页后,先发的请求可能后返回,然后把最新页面的数据覆盖掉了。这个问题单靠 axios 封装很难完全解决,因为组件生命周期也可能已销毁。但可以给每个请求加一个时间戳或递增序号,在响应返回后比较是否是最新请求,如果不是则丢弃。
这个方案适合那种“列表页筛选条件频繁切换”的场景,能避免旧响应覆盖新响应造成的 UI 闪烁。缺点是需要团队公认头字段的名称,后端不用处理也无所谓,前端只用它来比较返回顺序。
10. 我在实际封装里的一些个人取舍
写到最后,分享一点成熟的工程经验。我发现很多人一上来就想把所有能力塞进 axios 封装里,结果封装越来越庞大,最后连写这个封装的人都看不懂。我的建议是:核心封装只要做到“实例化 + 请求拦截器 + 响应拦截器”,其它能力(缓存、重试、SWR、重复拦截开关)通过 customConfig 按需扩展即可,保持“开箱即用、按需开启”的思路。
在代码组织上,我还会把 customConfig 的默认值单独抽出来,比如:
这样业务侧传参时可以只用 { silent: true },内部通过 Object.assign(defaultCustomConfig, customConfig) 合并,避免每个业务文件都要写全字段。一旦出现新需求,比如“仅在某个接口增加 loading 上的文案”,可以直接扩展默认配置,而不影响老业务。
最后再分享一个小技巧:把 service 实例也导出,必要的时候业务代码可以绕过封装直接发起请求,用于那些临时性调试或特殊需求。但要注意,这个“后门”不要在团队里滥用,否则它会成为一切不统一规范的来源。我一般是把 default 的 export 作为唯一入口,把 service 以 _service 命名,明确告诉团队这不是常规用法。
axios 封装这件事实在不难,难的是在一开始就设计好边界。希望这套方案能帮你的项目省去不少重复劳动。如果你在实际接入时遇到和我不太一样的问题,欢迎对照上面的排查清单逐一验证,多半都能找到原因。