Redux Toolkit中正确组合中间件的方法
2025-05-21 05:19:33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
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。C098
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
探索未来显示技术:Adafruit_SH1106 图形库 推荐使用 taggingJS:一款轻量级的前端标签插件!【亲测免费】 探索像素级完美的结构化运动:PixSFM 推荐开源项目:DropPoint - 让拖放操作更简单【亲测免费】 推荐开源项目:picocom——小巧而强大的串口通信工具 推荐使用:NATS .NET 客户端【亲测免费】 推荐开源项目:MiracleCast - 智能无线显示实现 探索安全新维度:backdoor-apk 动态后门注入工具 探秘Viasfora:Visual Studio 2022的文本编辑增强利器 推荐使用:go-reuseport - 实现高效端口复用的Go语言库
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
477
3.56 K
React Native鸿蒙化仓库
JavaScript
287
340
暂无简介
Dart
728
175
Ascend Extension for PyTorch
Python
287
320
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++
849
446
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
233
98
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
10
1
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
450
180
🎉 (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
1.28 K
704