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
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
675
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
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++
947
886
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
398
302
🎉 (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
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
142
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381