WordPress Gutenberg数据存储中resolveSelect与select的演进与最佳实践
背景介绍
在WordPress Gutenberg项目中,数据管理是一个核心功能。随着项目的发展,数据存储相关的API也在不断演进。最近一个重要的变化是关于select和resolveSelect控制器的使用方式变更,这对开发者构建自定义数据存储产生了显著影响。
问题起源
在Gutenberg 5.7版本之前,开发者通常使用@wordpress/data-controls包中的select控制器来处理数据存储的异步操作。然而,从5.7版本开始,这个控制器被标记为弃用,官方推荐改用@wordpress/data包内置的resolveSelect控制器。
这种变更导致了一些开发者在迁移过程中遇到问题,特别是当他们在Redux数据存储解析器中使用生成器函数时。原本正常工作的代码在替换为resolveSelect后出现了功能异常。
技术分析
select与resolveSelect的区别
-
select控制器:
- 位于
@wordpress/data-controls包中 - 主要用于生成器函数中
- 通过yield关键字调用
- 在5.7版本后被标记为弃用
- 位于
-
resolveSelect控制器:
- 直接内置在
@wordpress/data包中 - 设计用于更现代的异步处理方式
- 可以与async/await语法配合使用
- 是官方推荐的替代方案
- 直接内置在
类型系统问题
开发者还注意到resolveSelect的类型定义不够完善,相比自定义数据存储中为select创建的类型重载,resolveSelect的类型提示体验较差。这增加了迁移的复杂度。
解决方案演进
从生成器到Thunk的转变
Gutenberg核心团队推荐了一种更现代的解决方案:使用Thunk替代生成器函数。Thunk是Redux中处理异步逻辑的标准方式,相比生成器具有以下优势:
- 更简单的语法:不需要处理yield和生成器函数
- 更好的类型支持:与TypeScript配合更自然
- 更直观的流程:代码结构更接近常规异步函数
迁移实践
对于需要从生成器迁移到Thunk的开发者,可以遵循以下步骤:
- 将生成器函数改为普通异步函数
- 使用async/await替代yield
- 直接调用resolveSelect而不是通过控制流
- 确保正确处理Promise和错误情况
最佳实践建议
- 新项目开发:直接使用Thunk和resolveSelect的组合
- 现有项目迁移:
- 评估影响范围
- 分阶段逐步替换
- 优先处理关键路径
- 类型系统优化:为自定义存储创建类型扩展,改善开发体验
总结
WordPress Gutenberg项目中的数据管理API正在向更现代、更简洁的方向发展。虽然从生成器和select控制器迁移到Thunk和resolveSelect需要一定的重构工作,但最终会带来更好的开发体验和更可维护的代码结构。
对于正在使用自定义数据存储的开发者,建议尽快规划迁移路线,利用Thunk的简洁性和resolveSelect的官方支持,构建更健壮的编辑器扩展功能。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0136
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03