SolidJS Store 中对象引用修改的陷阱与最佳实践
问题现象
在使用 SolidJS 的 createStore 时,开发者可能会遇到一个令人困惑的现象:当通过路径语法修改 store 中的对象引用时,原始数组中的值也会被意外修改。例如:
const [store, setStore] = createStore({
items: [] as Item[],
current: null as Item | null,
})
// 这种写法会导致问题
setStore("current", items[index])
在上述代码中,当通过 setStore("current", items[index]) 修改 current 值时,不仅会改变 current 的值,还会意外修改原始数组 items 中对应元素的值。
问题根源
这个问题的根本原因在于 SolidJS store 的浅合并(shallow merge)机制。当使用路径语法进行修改时,SolidJS 会对对象进行浅合并操作,这会导致引用关系被保留,从而产生意外的副作用。
SolidJS 核心团队成员 Ryan Solid 解释称,这种行为是设计上的选择,目的是为了保持与顶层 API 的一致性。这种设计可以追溯到 React 还在使用类组件的时代,当时调用 setState 并传入对象进行合并是常见做法。
解决方案
1. 使用对象语法替代路径语法
最推荐的解决方案是改用对象语法进行 store 更新:
// 推荐写法
setStore({ current: something });
// 对于嵌套属性
setStore("a", { b: something });
这种写法会避免浅合并带来的副作用,因为 SolidJS 在处理对象语法时不会进行合并操作。
2. 使用 getter 计算属性
另一种优雅的解决方案是使用 getter 计算属性:
const [store, setStore] = createStore({
items: [] as Item[],
currentIdx: null as number | null,
get current() {
return this.items[this.currentIdx]
}
})
这种方法通过索引(currentIdx)来维护当前项,实现了单一数据源原则,避免了直接引用带来的问题。
3. 使用 produce 进行不可变更新
如果需要更复杂的更新逻辑,可以使用 SolidJS 的 produce 函数:
setStore(produce(s => {
s.current = item
}))
这种方式提供了更精细的控制,适合复杂的状态更新场景。
深入理解
为什么会出现这个问题?
在 JavaScript 中,对象是通过引用传递的。当我们将数组中的一个元素直接赋值给另一个属性时,实际上是在复制引用而非值。SolidJS 的 store 机制在处理这种引用时会保持其活性,以便实现响应式更新,这就导致了原始数组也被修改的现象。
性能考量
虽然可以使用深拷贝(如 structuredClone 或 JSON.parse/JSON.stringify)来解决这个问题,但这会带来性能开销,特别是在处理大型对象或频繁更新时。因此,上述推荐的解决方案在性能和正确性之间取得了更好的平衡。
最佳实践总结
- 优先使用对象语法:避免直接使用路径语法修改对象引用
- 考虑计算属性:对于派生状态,使用 getter 是更安全的选择
- 复杂场景使用 produce:当更新逻辑复杂时,produce 提供了更好的控制
- 避免深拷贝:除非必要,否则不要使用深拷贝,以免影响性能
- 初始化考虑:如果可能,避免在 store 中使用 null 初始化对象属性,考虑使用空对象
通过遵循这些最佳实践,开发者可以避免 SolidJS store 中的引用陷阱,构建更可靠和可维护的应用程序状态管理。
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。C0112
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.Python059
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