Redux Toolkit中无限查询(infinityQuery)的API状态访问技巧
2025-05-21 22:44:47作者:虞亚竹Luna
无限查询与常规查询的差异
Redux Toolkit作为现代React状态管理的重要工具,其RTK Query模块提供了强大的数据获取和缓存功能。在实际开发中,我们经常会遇到需要分页加载数据的场景,这时build.infiniteQuery就成为了理想选择。
与常规的build.query不同,无限查询专门为分页场景设计,它自动管理页码参数和分页逻辑。但开发者在使用时可能会困惑于如何在这种特殊查询中访问Redux store的状态。
状态访问的常见需求
在许多业务场景中,我们需要在API请求中附带认证信息或其他全局状态。例如:
- 添加认证token到请求头
- 根据用户权限决定查询参数
- 获取应用配置信息
在常规查询中,我们可以通过queryFn的api参数轻松访问这些状态:
queryFn: (arg, api) => {
const token = selectAuthToken(api.getState())
// 使用token发起请求
}
无限查询的状态访问方法
虽然无限查询的queryFn参数结构略有不同,但它同样支持完整的api参数访问。正确的使用方式如下:
queryFn: ({ queryArg, pageParam }, api, extraOptions, fetchWithBq) => {
const token = selectAuthToken(api.getState())
// 结合pageParam和token发起分页请求
}
这里的关键点在于:
- 第一个参数是解构对象,包含
queryArg和pageParam - 第二个参数
api与常规查询完全一致,可以访问getState等方法 - 后续参数提供了额外选项和基础查询方法
实际应用示例
假设我们需要实现一个分页加载用户列表的功能,且每次请求都需要附带当前用户的权限级别:
const userApi = api.injectEndpoints({
endpoints: (build) => ({
listUsers: build.infiniteQuery({
queryFn: ({ pageParam = 0 }, api) => {
const { authLevel } = selectCurrentUser(api.getState())
return fetchUsers({
page: pageParam,
authLevel
})
},
// 分页配置...
})
})
})
最佳实践建议
- 状态隔离:尽量将依赖的状态通过selector集中管理,保持查询函数的纯净性
- 类型安全:为
api.getState()返回的状态定义精确的类型 - 错误处理:考虑状态不可用时的降级方案
- 性能优化:避免在查询函数中进行昂贵的状态计算
总结
Redux Toolkit的无限查询功能虽然参数结构与常规查询不同,但同样提供了完整的Redux状态访问能力。理解这种模式后,开发者可以轻松实现复杂的分页数据获取逻辑,同时保持与全局状态的紧密集成。这种设计体现了RTK Query在灵活性和一致性上的精妙平衡。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0197
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 Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.96 K
Ascend Extension for PyTorch
Python
722
894
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
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
458
453
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
627
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425