Redux Toolkit中正确组合中间件的方法
2025-05-21 12:01:12作者:谭伦延
在使用Redux Toolkit时,开发者经常会遇到需要自定义中间件组合的情况。本文将详细介绍如何正确地在Redux Toolkit中组合默认中间件和自定义中间件。
问题背景
在Redux Toolkit 2.1.0版本中,当尝试使用Tuple包装getDefaultMiddleware()返回的结果时,会出现类型错误。这是因为getDefaultMiddleware()本身已经返回了一个Tuple实例,而直接将其放入另一个Tuple会导致嵌套结构,这在Redux中间件系统中是不被允许的。
错误示例分析
以下代码展示了常见的错误用法:
import { configureStore, Tuple } from "@reduxjs/toolkit";
configureStore({
reducer: () => null,
middleware: (getDefaultMiddleware) => new Tuple(getDefaultMiddleware()),
});
这种写法会产生类型错误,因为它在Tuple中嵌套了另一个Tuple。
正确解决方案
Redux Toolkit为getDefaultMiddleware()返回的Tuple实例提供了两个实用方法:
prepend()- 在默认中间件之前添加自定义中间件concat()- 在默认中间件之后添加自定义中间件
基本用法
import { configureStore } from "@reduxjs/toolkit";
import { customMiddleware1, customMiddleware2 } from "./middlewares";
configureStore({
reducer: rootReducer,
middleware: (getDefaultMiddleware) =>
getDefaultMiddleware()
.prepend(customMiddleware1) // 添加在默认中间件之前
.concat(customMiddleware2) // 添加在默认中间件之后
});
实际应用场景
假设我们需要在Redux store中添加日志中间件和API调用中间件,同时保留Redux Toolkit的默认中间件(如thunk):
import { configureStore } from "@reduxjs/toolkit";
import logger from "redux-logger";
import apiMiddleware from "./apiMiddleware";
const store = configureStore({
reducer: rootReducer,
middleware: (getDefaultMiddleware) =>
getDefaultMiddleware()
.concat(logger) // 添加日志中间件在默认中间件之后
.prepend(apiMiddleware) // 添加API中间件在默认中间件之前
});
为什么不能直接使用Tuple包装
Redux中间件需要按照特定的顺序执行,形成一个中间件链。直接使用Tuple包装会破坏这个链式结构,导致中间件无法正确执行。Redux Toolkit提供的prepend和concat方法确保了中间件能够以正确的顺序组合和执行。
总结
在Redux Toolkit中组合中间件时,应该避免直接使用Tuple包装getDefaultMiddleware()的结果,而是使用其提供的prepend和concat方法来添加自定义中间件。这种方法不仅解决了类型问题,还能确保中间件以正确的顺序执行,是Redux Toolkit推荐的最佳实践。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python07
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
767
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
866
1.95 K
Ascend Extension for PyTorch
Python
725
897
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.35 K
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
458
454
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++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
238
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
629
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425