C# 一分钟浅谈:GraphQL API 与 C#

简介: 本文介绍了 GraphQL API 的基本概念及其优势,并通过 C# 实现了一个简单的 GraphQL 服务。GraphQL 是一种高效的 API 查询语言,允许客户端精确请求所需数据,减少不必要的数据传输。文章详细讲解了如何使用 `GraphQL.NET` 库在 C# 中创建和配置 GraphQL 服务,并提供了常见问题的解决方案和代码示例。

引言

随着互联网技术的发展,API 设计模式也在不断进化。从最早的 RESTful API 到现在的 GraphQL API,每一种设计模式都有其独特的优势和适用场景。本文将带你快速了解 GraphQL API,并通过 C# 实现一个简单的 GraphQL 服务。
image.png

什么是 GraphQL?

GraphQL 是一种用于 API 的查询语言,它提供了一种更有效和强大的方式来获取数据。与传统的 RESTful API 不同,GraphQL 允许客户端精确地请求所需的数据,从而减少不必要的数据传输,提高性能。

核心概念

  • Schema:定义了 API 的结构,包括可用的查询、变更和订阅操作。
  • Query:客户端用来请求数据的操作。
  • Mutation:客户端用来修改服务器数据的操作。
  • Subscription:客户端用来订阅服务器数据变化的操作。

为什么选择 GraphQL?

  1. 精确的数据请求:客户端可以精确地请求所需的数据,减少不必要的数据传输。
  2. 单次请求:可以通过一次请求获取多个资源的数据,减少网络延迟。
  3. 强类型系统:GraphQL 使用强类型系统,可以提前发现错误,提高开发效率。

C# 中实现 GraphQL

在 C# 中实现 GraphQL 可以使用 GraphQL.NET 库。以下是一个简单的示例,展示如何创建一个 GraphQL 服务。

安装依赖

首先,我们需要安装 GraphQL.NETMicrosoft.AspNetCore.Mvc.NewtonsoftJson 包:

dotnet add package GraphQL
dotnet add package Microsoft.AspNetCore.Mvc.NewtonsoftJson

创建 Schema

定义一个简单的 Schema,包含一个查询操作:

using GraphQL;
using GraphQL.Types;

public class AppSchema : Schema
{
   
    public AppSchema(IServiceProvider provider) : base(provider)
    {
   
        Query = provider.GetRequiredService<AppQuery>();
    }
}

public class AppQuery : ObjectGraphType
{
   
    public AppQuery()
    {
   
        Field<StringGraphType>("hello", resolve: context => "Hello World!");
    }
}

配置 ASP.NET Core

Startup.cs 中配置 GraphQL 服务:

using GraphQL;
using GraphQL.NewtonsoftJson;
using Microsoft.AspNetCore.Builder;
using Microsoft.AspNetCore.Hosting;
using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Hosting;

public class Startup
{
   
    public void ConfigureServices(IServiceCollection services)
    {
   
        services.AddControllers().AddNewtonsoftJson();
        services.AddGraphQL(builder =>
        {
   
            builder.AddSchema<AppSchema>();
            builder.AddGraphTypes(typeof(AppSchema).Assembly);
        });
    }

    public void Configure(IApplicationBuilder app, IWebHostEnvironment env)
    {
   
        if (env.IsDevelopment())
        {
   
            app.UseDeveloperExceptionPage();
        }

        app.UseRouting();

        app.UseEndpoints(endpoints =>
        {
   
            endpoints.MapControllers();
            endpoints.MapGraphQL();
        });
    }
}

运行服务

启动应用后,你可以通过 GraphQL Playground 或 Postman 等工具进行测试:

query {
   
  hello
}

响应结果:

{
   
  "data": {
   
    "hello": "Hello World!"
  }
}

常见问题及易错点

1. 忽略 Schema 定义

问题:没有正确定义 Schema,导致查询失败。

解决方法:确保所有查询、变更和订阅操作都已正确注册到 Schema 中。

2. 数据类型不匹配

问题:客户端请求的数据类型与服务器返回的数据类型不匹配。

解决方法:使用强类型系统,确保客户端和服务器之间的数据类型一致。

3. 性能问题

问题:复杂的查询可能导致性能下降。

解决方法:使用数据加载器(DataLoader)优化数据加载过程,减少数据库查询次数。

4. 安全性问题

问题:未对查询进行限制,可能导致数据泄露。

解决方法:使用权限控制和数据验证,确保只有授权用户才能访问敏感数据。

代码案例解释

示例 1:简单的查询

public class AppQuery : ObjectGraphType
{
   
    public AppQuery()
    {
   
        Field<StringGraphType>("hello", resolve: context => "Hello World!");
    }
}

解释:定义了一个名为 hello 的查询字段,返回字符串 "Hello World!"。

示例 2:带参数的查询

public class AppQuery : ObjectGraphType
{
   
    public AppQuery()
    {
   
        Field<StringGraphType>(
            "greet",
            arguments: new QueryArguments(new QueryArgument<StringGraphType> {
    Name = "name" }),
            resolve: context => $"Hello, {context.GetArgument<string>("name")}!"
        );
    }
}

解释:定义了一个名为 greet 的查询字段,接受一个 name 参数,并返回个性化的问候语。

示例 3:复杂对象查询

public class User
{
   
    public int Id {
    get; set; }
    public string Name {
    get; set; }
    public string Email {
    get; set; }
}

public class UserType : ObjectGraphType<User>
{
   
    public UserType()
    {
   
        Field(x => x.Id);
        Field(x => x.Name);
        Field(x => x.Email);
    }
}

public class AppQuery : ObjectGraphType
{
   
    private readonly List<User> _users = new List<User>
    {
   
        new User {
    Id = 1, Name = "Alice", Email = "alice@example.com" },
        new User {
    Id = 2, Name = "Bob", Email = "bob@example.com" }
    };

    public AppQuery()
    {
   
        Field<ListGraphType<UserType>>(
            "users",
            resolve: context => _users
        );

        Field<UserType>(
            "user",
            arguments: new QueryArguments(new QueryArgument<IntGraphType> {
    Name = "id" }),
            resolve: context => _users.FirstOrDefault(u => u.Id == context.GetArgument<int>("id"))
        );
    }
}

解释:定义了一个 User 类型和对应的 UserType,并在 AppQuery 中提供了两个查询字段:users 返回所有用户列表,user 根据 id 返回单个用户。

结论

通过本文的介绍,相信你已经对 GraphQL API 和 C# 有了初步的了解。GraphQL 提供了一种更高效和灵活的方式来构建 API,而 C# 作为一门强大的编程语言,能够很好地支持 GraphQL 的实现。希望这些内容对你有所帮助,祝你在开发过程中顺利!

目录
相关文章
|
14天前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日,2024云栖大会在杭州云栖小镇举行,阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家,共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力,及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点,专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练,并通过多个客户案例展示了云上大模型训练的显著优势。
|
18天前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
9天前
|
并行计算 前端开发 物联网
全网首发!真·从0到1!万字长文带你入门Qwen2.5-Coder——介绍、体验、本地部署及简单微调
2024年11月12日,阿里云通义大模型团队正式开源通义千问代码模型全系列,包括6款Qwen2.5-Coder模型,每个规模包含Base和Instruct两个版本。其中32B尺寸的旗舰代码模型在多项基准评测中取得开源最佳成绩,成为全球最强开源代码模型,多项关键能力超越GPT-4o。Qwen2.5-Coder具备强大、多样和实用等优点,通过持续训练,结合源代码、文本代码混合数据及合成数据,显著提升了代码生成、推理和修复等核心任务的性能。此外,该模型还支持多种编程语言,并在人类偏好对齐方面表现出色。本文为周周的奇妙编程原创,阿里云社区首发,未经同意不得转载。
|
14天前
|
人工智能 运维 双11
2024阿里云双十一云资源购买指南(纯客观,无广)
2024年双十一,阿里云推出多项重磅优惠,特别针对新迁入云的企业和初创公司提供丰厚补贴。其中,36元一年的轻量应用服务器、1.95元/小时的16核60GB A10卡以及1元购域名等产品尤为值得关注。这些产品不仅价格亲民,还提供了丰富的功能和服务,非常适合个人开发者、学生及中小企业快速上手和部署应用。
|
21天前
|
缓存 监控 Linux
Python 实时获取Linux服务器信息
Python 实时获取Linux服务器信息
|
4天前
|
云安全 存储 弹性计算
|
6天前
|
云安全 人工智能 自然语言处理
|
9天前
|
人工智能 自然语言处理 前端开发
用通义灵码,从 0 开始打造一个完整APP,无需编程经验就可以完成
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。本教程完全免费,而且为大家准备了 100 个降噪蓝牙耳机,送给前 100 个完成的粉丝。获奖的方式非常简单,只要你跟着教程完成第一课的内容就能获得。
|
25天前
|
自然语言处理 数据可视化 前端开发
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
合合信息的智能文档处理“百宝箱”涵盖文档解析、向量化模型、测评工具等,解决了复杂文档解析、大模型问答幻觉、文档解析效果评估、知识库搭建、多语言文档翻译等问题。通过可视化解析工具 TextIn ParseX、向量化模型 acge-embedding 和文档解析测评工具 markdown_tester,百宝箱提升了文档处理的效率和精确度,适用于多种文档格式和语言环境,助力企业实现高效的信息管理和业务支持。
3984 5
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
|
4天前
|
人工智能 C++ iOS开发
ollama + qwen2.5-coder + VS Code + Continue 实现本地AI 辅助写代码
本文介绍在Apple M4 MacOS环境下搭建Ollama和qwen2.5-coder模型的过程。首先通过官网或Brew安装Ollama,然后下载qwen2.5-coder模型,可通过终端命令`ollama run qwen2.5-coder`启动模型进行测试。最后,在VS Code中安装Continue插件,并配置qwen2.5-coder模型用于代码开发辅助。
299 4