NgRx Signals 信号存储性能优化:excludeKeys 函数改进
2025-05-28 13:33:20作者:晏闻田Solitary
背景介绍
在现代前端开发中,状态管理是构建复杂应用的关键环节。NgRx作为Angular生态中最受欢迎的状态管理解决方案之一,其新推出的Signals模块采用了响应式编程范式,为开发者提供了更高效的状态管理方式。在信号存储(Signal Store)的实现中,excludeKeys是一个基础但重要的工具函数,用于从对象中排除指定键值。
当前实现分析
当前excludeKeys函数的实现采用了函数式编程风格,使用Array.reduce方法和对象展开运算符(...)来创建一个新对象,同时排除不需要的键。这种实现虽然代码简洁,但在性能上存在优化空间:
export function excludeKeys<
Obj extends Record<string, unknown>,
Keys extends string[]
>(obj: Obj, keys: Keys): Omit<Obj, Keys[number]> {
return Object.keys(obj).reduce(
(acc, key) => (keys.includes(key) ? acc : { ...acc, [key]: obj[key] }),
{}
) as Omit<Obj, Keys[number]>;
}
性能问题剖析
该实现的主要性能瓶颈在于每次迭代都会创建一个新对象。具体来说:
- 对于包含n个属性的对象,reduce操作会执行n次
- 每次迭代中,当不需要排除当前键时,都会通过对象展开运算符创建一个新对象
- 这意味着对于n个键的对象,最多会创建n+1个新对象(初始空对象加上n次可能的展开)
这种实现虽然保证了不可变性,但在性能上存在不必要的开销,特别是当处理大型对象或频繁调用该函数时。
优化方案
考虑到reduce操作是同步执行的,在操作完成前没有任何代码能够访问中间状态,我们可以安全地使用可变操作来优化性能:
- 仍然从空对象开始,保证初始状态的不可变性
- 在reduce回调中,直接修改累积对象,而不是每次都创建新对象
- 最终返回的对象仍然是全新的,保持了不可变性
优化后的实现大致如下:
export function excludeKeys<
Obj extends Record<string, unknown>,
Keys extends string[]
>(obj: Obj, keys: Keys): Omit<Obj, Keys[number]> {
return Object.keys(obj).reduce((acc, key) => {
if (!keys.includes(key)) {
acc[key] = obj[key];
}
return acc;
}, {} as Record<string, unknown>) as Omit<Obj, Keys[number]>;
}
优化效果
这种优化带来了几个好处:
- 无论对象有多少属性,都只创建一个新对象
- 减少了内存分配和垃圾回收的压力
- 保持了函数的纯函数特性和不可变性保证
- 对于大型对象或高频调用场景,性能提升更为明显
技术考量
这种优化基于几个重要前提:
- JavaScript的单线程特性确保在reduce执行过程中不会有其他代码访问中间状态
- reduce操作是同步的,不存在并发访问问题
- 初始对象是全新的,保持了不可变性的核心原则
实际应用影响
在NgRx Signals的实际应用中,这种优化尤其重要:
- 信号存储可能频繁操作状态对象
- 应用状态可能包含大量属性
- 性能敏感的操作如变更检测可能受益于这种微优化
- 在大型应用中,这些微小改进可能累积成显著的性能提升
总结
在框架和库的开发中,基础工具函数的性能优化往往能带来广泛的积极影响。通过合理利用语言特性,我们可以在保持代码纯净性和不可变性的同时,提升性能。这种优化思路也适用于其他类似的工具函数实现,体现了在框架开发中平衡功能、安全性和性能的考量。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
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
12
1
🔥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
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
340
405
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178