在Ant Design Pro中优化自定义Slider组件的请求性能
2025-06-13 16:49:03作者:何将鹤
在Ant Design Pro项目中开发自定义表单组件时,性能优化是一个需要重点考虑的问题。本文将以一个自定义Slider组件为例,探讨如何避免不必要的请求,提升组件性能。
问题背景
开发者在Ant Design Pro项目中需要实现一个自定义的Slider范围选择器组件,该组件需要从后端API获取最小值和最大值。初始实现中,组件在渲染时触发了多次请求,这显然不是最优方案。
初始实现分析
最初的实现使用了React的useEffect钩子来获取数据:
useEffect(() => {
const fetchRange = async () => {
if (request) {
const result = await request();
setRange({ min: result.min, max: result.max });
}
};
fetchRange();
}, [request]);
这种实现方式在开发环境下会导致多次请求,主要原因有两个:
- React严格模式下组件会故意渲染两次以帮助发现副作用问题
- 依赖数组中包含了request函数,当父组件重新渲染时可能导致request引用变化
优化方案一:简化useEffect
第一种优化方式是简化useEffect的实现,移除不必要的依赖:
useEffect(() => {
request?.().then(result => {
setRange({ min: result.min, max: result.max });
})
}, []);
这种方法减少了依赖项,但仍然无法完全避免开发环境下的双重渲染问题。
优化方案二:使用防抖技术
更完善的解决方案是引入防抖技术,确保在一定时间间隔内只执行一次请求:
import {useDebounceFn} from '@ant-design/pro-utils';
const {run: fetchRange} = useDebounceFn(async () => {
if (request) {
const result = await request();
setRange({ min: result.min, max: result.max });
}
}, 200);
useEffect(() => {
fetchRange();
}, []);
这种方案有以下优势:
- 200毫秒内的多次调用只会执行最后一次
- 有效避免了开发环境下的双重渲染问题
- 生产环境下也能防止意外多次请求
组件完整实现
结合上述优化,完整的Slider组件实现如下:
import React, { useState, useEffect } from 'react';
import { Slider } from 'antd';
import { useDebounceFn } from '@ant-design/pro-utils';
const ProFormSliderRange = ({ value, onChange, request }) => {
const [range, setRange] = useState({ min: 0, max: 500 });
const { run: fetchRange } = useDebounceFn(async () => {
if (request) {
const result = await request();
setRange({ min: result.min, max: result.max });
}
}, 200);
useEffect(() => {
fetchRange();
}, []);
return (
<Slider
range
defaultValue={[range.min, range.max]}
marks={{
[range.min]: range.min,
[range.max]: range.max
}}
min={range.min}
max={range.max}
value={value}
onChange={onChange}
/>
);
};
性能优化建议
- 缓存请求结果:如果多个组件实例需要相同的数据,考虑使用缓存机制
- 错误处理:添加请求错误处理逻辑,提升用户体验
- 加载状态:显示加载状态,让用户知道数据正在获取中
- 默认值处理:合理设置默认值,避免数据加载前的空白状态
总结
在Ant Design Pro项目中开发自定义表单组件时,性能优化不容忽视。通过合理使用防抖技术、优化useEffect依赖项,可以有效减少不必要的请求,提升应用性能。本文提供的解决方案不仅适用于Slider组件,也可以推广到其他需要异步获取数据的自定义组件中。
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
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.77 K
Ascend Extension for PyTorch
Python
347
413
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++
889
607
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
337
184
暂无简介
Dart
778
192
deepin linux kernel
C
27
11
🎉 (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
1.34 K
758
React Native鸿蒙化仓库
JavaScript
303
356
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
896