React-Three-Fiber中createPortal状态合并问题解析
2025-05-05 20:20:34作者:苗圣禹Peter
问题背景
在React-Three-Fiber项目中,开发者使用createPortal方法创建场景门户时,发现了一个关于状态管理的潜在问题。当通过createPortal(children, scene, { camera })这样的方式传递自定义状态覆盖(如相机参数)时,如果父级store发生更新,portal中的状态会被意外重置为初始值。
问题现象
具体表现为:当父级store更新时,portal中通过参数覆盖的状态(如自定义相机参数)会被还原。值得注意的是,这种现象仅在portal组件本身没有被store更新触发重新渲染时才会显现。如果portal组件同时被触发重新渲染,状态会被正确更新。
技术分析
问题的根源在于React-Three-Fiber内部处理portal状态合并的useEffect钩子。当前的实现方式存在以下关键问题:
- 状态合并函数
inject被用作副作用回调,但没有被声明为依赖项 - 这导致当父级store更新时,合并操作使用的是初始状态的
inject函数,而非最新的 - 状态合并因此无法正确保留开发者提供的覆盖参数
解决方案
经过分析,正确的修复方式是将现有的单一useEffect拆分为两个独立的副作用:
- 第一个useEffect专门处理状态订阅和合并,并将
inject函数声明为依赖项 - 第二个useEffect专门处理组件卸载时的清理工作
这种分离确保了状态合并总是使用最新的inject函数,从而正确保留开发者提供的状态覆盖参数。
影响范围
这个问题主要影响以下使用场景:
- 使用
createPortal创建独立渲染场景 - 在portal创建时提供了自定义状态覆盖(如相机参数)
- 父级store会独立更新而不总是触发portal重新渲染
对于大多数简单场景,由于portal通常会随父级一起重新渲染,这个问题可能不易被发现。
最佳实践建议
开发者在使用createPortal时应注意:
- 对于需要持久化的状态覆盖,考虑使用React的useRef保持引用
- 复杂场景下,可以封装自定义hook来管理portal状态
- 关注父级store更新与portal渲染的关系,确保关键状态不会被意外重置
这个问题已被项目维护者确认并标记为bug,建议开发者关注后续的官方修复版本。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
19
30