我得跟你们说句实话。六个月前，我还是 GraphQL Federation 的布道者。我们花了六个月的时间，利用 Apollo 构建了一个联邦图，其中包含模式拼接、网关配置，以及一套复杂的 CI/CD 管道（每次提交都会重新生成类型）。纸上谈兵时，这套方案看起来很完美。但在生产环境中呢？每次部署都像是要发生一场灾难。
转折点发生在周五下午的一次例行部署中。我们的产品团队更新了某项服务中的一个字段类型，模式重新生成成功，测试通过，于是我们将其发布。三十分钟后，我们的移动应用开始崩溃，原因是 iOS 客户端仍在使用两小时前生成的旧类型。模式的版本已经更新，网关也已经升级，但客户端代码生成尚未运行，因为有人忘记触发它了。这正是 GraphQL 联邦架构中的一个典型痛点。
那时，我开始研究 tRPC。最吸引我的是，它不需要繁琐的模式定义就可以实现端到端的类型安全。不需要 SDL 文件，不需要代码生成步骤，也不需要联邦网关。从头到尾，只需 TypeScript 即可。自然，我还是心存疑虑。毕竟我们已经在 Apollo 上投入了大量的资源。但在看到一些大规模部署 tRPC 的公司所提供的生产环境指标后，我说服团队构建了一个概念验证。
下文记录了我们的完整迁移过程，包括我们犯过的错误、意想不到的性能提升，以及对当前生产环境架构的回顾——该架构每日能够处理 240 万次请求，并保持 99.97% 的可用性。这不是一份通过简单项目介绍 tRPC 的教程，而是将 tRPC 投入生产环境应用所需的实际经验。
图 1： tRPC 如何在没有模式定义的情况下实现端到端安全性
技术现实：tRPC 究竟能为你带来什么
没有模式开销的类型安全
关于 GraphQL Federation，有件事没人会告诉你：模式会成为单点故障。使用 tRPC 时，你的 TypeScript 类型就是契约。没有中间表示形式，无需维护 SDL，也不需要在不同的环境间保持模式注册表的同步。
在运行 Apollo Federation 时，典型的类型变更流程如下：更新 GraphQL 模式 → 运行代码生成 → 提交生成的文件 → 更新解析器实现 → 更新客户端查询 → 运行客户端代码生成 → 部署两项服务 → 祈祷一切正常。
使用 tRPC 呢？更新 TypeScript 接口 → 就这样。客户端会立即知道，因为它们共享相同的类型定义。
图 2：在每分钟 10000 次请求的持续负载下测得
真正重要的是性能
我们进行了生产环境负载测试，将旧版的 Apollo Federation 架构与新版的 tRPC 实现方案进行了对比。测试结果令人震惊。对于我们的无服务器函数而言至关重要的冷启动性能提升了 75% 。Apollo Federation 的网关开销在冷启动时会增加 180 毫秒，而 tRPC 仅需 45 毫秒。这还是在我们尚未进入实际业务逻辑之前。
在持续负载下，其平均响应时间从 38 毫秒降至 12 毫秒。但真正关键的是 P95 和 P99 延迟。使用 Apollo 时，我们的 P95 延迟为 85 毫秒，P99 延迟为 156 毫秒。迁移后，P95 延迟降至 28 毫秒，P99 延迟降至 42 毫秒。这些尾部延迟会严重影响用户体验，尤其是在移动网络上。
关于资源包大小的故事同样令人惊叹。我们基于 Federation 的 Apollo Client 设置在 gzip 压缩后为 142KB 。而采用 tRPC 搭配 React Query 的方案呢？仅需 28KB 。也就是说，大小减少了 80%。在网速较慢的情况下，这意味着页面初始加载速度可以提升 2 到 3 秒。真实用户立刻就会感受到这一差异。
生产架构：我们实际上是如何构建这个系统的
行之有效的单库设置
我们的生产环境是一个基于 pnpm 工作区的单库（monorepo），前端采用 Next.js 14 App Router，所有 API 通信均通过 tRPC 实现。我们有 12 个微服务，每个微服务都暴露自己的 tRPC 路由器，并由一个网关层将它们全部整合在一起。在实际应用中，其结构如下：
图 3：12 个微服务，每日 240 万次请求，99.97% 的可用性
每个服务都有自己的业务逻辑和数据库。用户服务与 PostgreSQL 通信，产品服务使用 MongoDB 存储商品目录数据，订单服务则利用 Redis 进行会话管理。tRPC 的优势在于，类型安全贯穿于整个技术栈。当产品服务更改字段类型时，TypeScript 会立即向所有调用方发出警告。
请求批处理和缓存策略
人们对 tRPC 的一个担忧是，它不像 GraphQL 那样内置请求批处理功能。实际情况是：对于 90% 的用例来说，React Query 的批处理功能已经绰绰有余，而且实际上比 GraphQL 的 DataLoader 模式更容易调试。我们在生产环境中每分钟处理 10000 次请求，批处理功能运行得非常完美。
我们的缓存层结合了用于共享数据的 Redis 以及客户端一侧的 React Query 智能缓存。这种组合非常强大，因为 React Query 能精确掌握已有的数据并能即时从缓存中提供数据，而我们的服务器端 Redis 缓存则能高效地处理跨用户数据。目前，产品数据的缓存命中率为 87% ，用户偏好数据的缓存命中率为 92% 。
迁移过程：我们实际上是如何操作的
阶段 1 ：绞杀榕模式
我们没有进行彻底重写。那样做需要六个月的毫无业务价值的工作，这会让管理层陷入恐慌。相反，我们采用了“绞杀榕模式”：让两个系统并行运行，逐个迁移端点，验证稳定后再继续推进。
我们首先从流量大但业务风险低的只读端点入手，例如用户资料查询、产品目录查询等。这些操作为我们提供了有关性能和可靠性的真实生产数据，同时又不会危及关键的写入操作。在完全切换之前，我们将两个 API 版本并行运行了三周，对比了错误率和延迟指标。
阶段 2 ：处理关键的写入操作
一旦从读取操作上获得了信心，我们就着手处理写入操作，包括订单创建、支付处理、库存更新。这些操作一旦出错，就会造成实际的损失。这正是 tRPC 的类型安全真正大放异彩之处。使用 GraphQL 时，我们要不断地处理可空字段、可选参数以及模式漂移问题。而使用 tRPC，只要类型编译通过，就消除了这一整类的 API 契约错误。这并非因为 TypeScript 强制执行运行时正确性，而是因为客户端和服务器不会因为过时的代码生成悄然发生差异。
在迁移写入端点的过程中，我们总共发现了两个运行时错误，均是和数据库连接池相关，而非 tRPC 本身。值得注意的是：这是一次迁移，而非从零开始的构建，因此业务逻辑已经经过验证。我们构建的 GraphQL 联邦部署同时包含了 API 层和领域逻辑，这也是事件量比较多的原因。虽说如此，这次迁移过程中近乎零的错误率恰恰说明， tRPC 成功消除了代码生成同步问题。
图 4：请注意迁移完成后的急剧下降
实际实现：真正能投入使用的代码
服务器端路由设置
以下是我们在实际的生产环境中使用的路由配置，虽然去除了业务逻辑，但从中可以看出我们实际的使用模式。该配置负责处理跨微服务的身份验证、请求验证、错误处理以及类型合并：
typescript// apps/api/src/trpc.tsimport { initTRPC, TRPCError } from "@trpc/server";import { Context } from "./context";import superjson from "superjson";const t = initTRPC.context<Context>().create({ transformer: superjson, errorFormatter({ shape, error }) { return { ...shape, data: { ...shape.data, zodError: error.cause instanceof ZodError ? error.cause.flatten() : null, }, }; },});export const router = t.router;export const publicProcedure = t.procedure;// 身份验证中间件const isAuthed = t.middleware(async ({ ctx, next }) => { if (!ctx.session?.user) { throw new TRPCError({ code: "UNAUTHORIZED" }); } return next({ ctx: { session: ctx.session, userId: ctx.session.user.id } });});export const protectedProcedure = t.procedure.use(isAuthed);Next.js 14 客户端设置
在可能的情况下，我们的 Next.js 配置会使用新的 App Router 并搭配 React 服务器组件。以下是在我们生产环境中实际运行的客户端配置，其中包括用于自动处理请求批处理的 HTTP 批处理链接：
typescript// apps/web/src/trpc/client.tsimport { createTRPCReact } from "@trpc/react-query";import { httpBatchLink } from "@trpc/client";import type { AppRouter } from "@/server/routers/_app";import superjson from "superjson";export const trpc = createTRPCReact<AppRouter>();export function createTRPCClient() { return trpc.createClient({ links: [ httpBatchLink({ url: process.env.NEXT_PUBLIC_API_URL + "/api/trpc", transformer: superjson, headers: async () => { const session = await getSession(); return { authorization: session?.token ? `Bearer ${session.token}` : "", }; }, }), ], });}生产环境中使用的流程结构
以下是我们实际使用的流程结构。该模式涵盖了使用 Zod 进行输入验证、数据库事务、错误处理以及遥测——生产环境中所需的一切：
typescript// apps/api/src/routers/product.tsimport { z } from "zod";import { router, protectedProcedure } from "../trpc";import { prisma } from "../db";import { TRPCError } from "@trpc/server";export const productRouter = router({ getById: protectedProcedure .input(z.object({ id: z.string().uuid() })) .query(async ({ input, ctx }) => { const product = await prisma.product.findUnique({ where: { id: input.id }, include: { variants: true, reviews: true }, }); if (!product) { throw new TRPCError({ code: "NOT_FOUND", message: "Product not found", }); } return product; }), create: protectedProcedure .input( z.object({ name: z.string().min(1).max(200), description: z.string().max(5000), price: z.number().positive(), inventory: z.number().int().nonnegative(), }) ) .mutation(async ({ input, ctx }) => { // 在生产环境里这里会有 Datadog 跟踪 const product = await prisma.product.create({ data: { ...input, createdBy: ctx.userId }, }); // 失效缓存 await redis.del(`product:${product.id}`); return product; }),});得与失
我们犯的错
第一个主要错误：试图复现 GraphQL 的字段级批处理。我们花了两周时间构建了一个自定义批处理系统，后来才意识到， React Query 内置的批处理功能完全够用。我们删除了 800 行代码，性能得到了提升，因为这种更简单的方法开销更小。
第二个错误：在客户端进行了过度的验证。我们曾经在客户端和服务器端都运行 Zod 验证，以为这样能更早地发现错误。但实际情况是，因为客户端和服务器端验证结果不一致，引发了令人困惑的错误状态。现在，我们只在服务器端进行一次验证，仅此而已。客户端则信任 TypeScript 的类型。
第三个错误：没有尽早建立完善的监控机制。tRPC 的运行速度极快，以至于我们直到性能退化变得十分明显时才察觉到。现在，我们在每个过程上都部署了 Datadog APM，用于追踪 P50、P95、P99 延迟以及错误率。这带来的开销微乎其微，而可视化价值却无可估量。
我们的意外收获
最令人意外的收获是开发效率的提升。如今，我们团队发布新功能的速度提高了 40%，因为他们无需在 SDL、代码生成和实现之间来回切换。你只需编写过程，TypeScript 会自动推导类型，一切就完成了。无需召开模式同步会议，无需等待代码生成运行，只需专注于编写代码。
第二个收获是新来的开发者上手速度更快。在使用 GraphQL Federation 时，新来的工程师需要花一周时间来理解模式、网关和代码生成管道，然后才能开始贡献代码。而使用 tRPC 后，他们第二天就能提交代码。只要熟悉 TypeScript 和 Next.js，就能轻松掌握我们的 API。
第三个收获在于测试环节。由于 TypeScript 能保证端到端的类型安全，所以我们直接取消了一整类的集成测试。虽然仍然会对业务逻辑进行全面测试，但我们不再需要测试“客户端是否正确处理了该字段”，因为类型系统已经在编译阶段确保其正确性。
什么时候不要使用 tRPC
我们必须明确一点：tRPC 并非万能良方。如果你正在构建一个供第三方调用的公共 API，那么使用 GraphQL 或 REST 会更合理。你需要模式文档、版本控制以及与语言无关的访问方式。而 tRPC 仅支持 TypeScript。
如果你开发的是基于 Swift 或 Kotlin 的移动应用，那么 tRPC 无法帮到你。它非常适合你可以同时控制客户端和服务器端的 Web 应用，但无法像 protobuf 或 GraphQL 那样解决跨平台的类型安全问题。
说实话，如果你的 GraphQL 配置运行良好，且没有遇到我们曾经经历的那些痛点，就没有必要进行迁移。别处未必更好。我们之所以迁移，是因为 Federation 正在严重消耗我们的开发时间并影响生产环境的稳定性。如果你的情况并非如此，那就继续沿用现有的方案吧。
关键指标数据
以下是我们真实的生产数据，对比了 Apollo Federation 最后一个月与完全迁移至 tRPC 后的第一个月。这些数据来自 Datadog APM，而非合成基准测试：
这些数据来自生产环境。该环境每天处理 12 个微服务产生的 240 万次请求。其中，Bug 数量显著减少——生产环境事件量减少了 89%，这意味着需要处理的突发状况减少了，从而能投入更多的精力进行功能开发。
小结：我们会再做一次吗？
当然会。毫不犹豫。在这次迁移过程中，我们花了六周的时间集中精力进行开发，但通过减少 Bug 修复工作、加快功能开发速度以及提升开发体验，我们已经获得了十倍于投入的回报。我们团队发布新功能的速度提高了 40%，用户获得了更佳的性能体验，而我们也睡得更安稳了——因为我们知道，得益于改进后的类型表示，有一整类运行时问题被彻底消除了。
但现实情况是：tRPC 无法解决组织层面的问题。如果你的团队因为流程不完善或责任归属不清而难以驾驭 GraphQL，那么改用 tRPC 也无法神奇地解决这些问题。tRPC 真正能解决的，是与模式同步、类型生成以及 API 契约漂移相关的一系列问题。
如果你正在运行一个 TypeScript 单存储库项目，而且被 GraphQL Federation 的复杂性所困扰，那么你可以认真地考虑下使用 tRPC。不妨从小处着手，先迁移一个服务，评估效果，然后再逐步扩展。这就是我们的做法，它从根本上改变了我们构建 API 的方式。
我们生产环境的完整代码（包括单存储库结构、路由器配置和测试模式）已经发布在 GitHub上。这是经过实战检验的真实生产代码，每天处理 240 万次请求。你可以将其作为自己迁移工作的起点。
声明：本文为 InfoQ 翻译，未经许可禁止转载。
原文链接：https://www.infoq.com/articles/building-trpc-api-typescript/
