Nano Hash - криптовалюты, майнинг, программирование

HATEOAS: должен ли сервер принимать гипермедиа-ссылки в полезной нагрузке запроса

Итак, мы приняли стандарты, аналогичные HATEOAS, при реализации нашего спокойного API. Мы предоставляем ссылки в ответе, чтобы клиент мог перемещаться или выполнять определенные действия. Теперь вопрос в том,

Если клиент хочет использовать этот ответ, внесите изменения в некоторые атрибуты ресурса и отправьте его обратно на сервер для обновления, не очищая гипермедиа-ссылки, предоставленные в ответе. Должен ли сервер принимать эту полезную нагрузку запроса как действительную и игнорировать гипермедиа-ссылки в полезной нагрузке запроса, или клиенту не должно быть разрешено отправлять такую ​​полезную нагрузку?

Наша единственная проблема в разрешении этого заключается в том, что если полезная нагрузка очень велика, а клиент вносит изменения только в пару атрибутов, то производительность снижается, но встречный аргумент заключается в том, что клиенту необходимо дезинфицировать ответы, чтобы делать последующие запросы.

Не могли бы вы посоветовать, что является наилучшей практикой?

Спасибо


Ответы:


1

Клиент должен использовать только POST-данные, а не метаданные (гипермедиа-ссылки) — они обрабатываются только сервером. Также неясно, что вы подразумеваете под «санитарной обработкой» - ссылки создаются сервером, единственная обязанность клиента - использовать их и обрабатывать различные ответы и коды состояния http.

Кроме того, если вас интересуют частичные обновления, вам следует ознакомиться с ИСПРАВИТЬ глагол.

01.07.2016
  • Привет, спасибо за ответ. Под очисткой я имел в виду то, что наш ответ очень большой и содержит множество гипермедиа-ссылок. Итак, если клиент хочет изменить только пару значений и опубликовать их обратно, должен ли сервер принять это и просто игнорировать гипермедиа-ссылки в запросе? или клиент должен обработать весь ответ и удалить все гипермедиа или создать полный запрос с нуля? 05.07.2016
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..