Czym jest problem N+1 w GraphQL i jak DataLoader go rozwiązuje?

Question

IT Interview Practice · Accepted Answer

**Problem N+1** występuje, gdy resolver pola uruchamia się raz na każdy element nadrzędny, a każde uruchomienie wysyła własne zapytanie do bazy danych. Pobranie listy N postów, a następnie autora każdego posta uruchamia **1 zapytanie o posty + N zapytań o autorów** — N+1 rund komunikacji, które przy obciążeniu zabijają wydajność.

## Dlaczego tak się dzieje

Resolvery działają pole po polu, element po elemencie. `Post.author` wykonuje się osobno dla każdego posta na liście i żaden z nich nie wie o pozostałych, więc każdy robi własne `findById`.

```js
// BAD: one DB call per post -> N+1
const resolvers = {
  Post: {
    author: (post, _a, ctx) => ctx.db.users.findById(post.authorId),
  },
};
```

## DataLoader: batchowanie + cache

**DataLoader** odracza pojedyncze wywołania `.load(id)` wykonane w tym samym ticku, a następnie przekazuje zebrane klucze do jednej **funkcji batchującej**, która pobiera je wszystkie jednym zapytaniem. Dodatkowo **cachuje** według klucza w obrębie żądania, więc powtórzone identyfikatory są darmowe.

```js
import DataLoader from "dataloader";

// create ONE loader per request (put it on context so caching is request-scoped)
const userLoader = new DataLoader(async (ids) => {
  // ids arrives as [1, 2, 3, ...] -> a single batched query
  const users = await db.users.findByIds(ids);
  // MUST return values in the SAME ORDER as ids
  return ids.map((id) => users.find((u) => u.id === id));
});

const resolvers = {
  Post: {
    author: (post, _a, ctx) => ctx.userLoader.load(post.authorId), // batched
  },
};
// Now N author resolvers collapse into 1 query: total 2 queries, not N+1.
```

Dwie zasady: twórz loadery **na żądanie** (nie globalnie — inaczej wyciekłyby nieaktualne dane między użytkownikami), a funkcja batchująca musi zwracać wyniki **dokładnie w kolejności kluczy**.

## Dlaczego to ważne

N+1 to najczęstsza pułapka wydajnościowa GraphQL i niemal gwarantowane pytanie na rozmowie. Pokazanie, że sięgasz po DataLoader — i wiesz, *dlaczego* musi być ograniczony do żądania i zachowywać kolejność — świadczy o realnym doświadczeniu produkcyjnym.

Dlaczego tak się dzieje

DataLoader: batchowanie + cache

Dlaczego to ważne

Powiązane pytania