NgRx Signals 中处理不可冻结对象的最佳实践
2025-05-28 04:21:15作者:翟江哲Frasier
背景介绍
在使用NgRx Signals状态管理库时,开发者可能会遇到一个常见问题:当尝试将包含ArrayBufferViews或其他不可冻结对象的复杂数据结构存入状态时,会抛出"Cannot freeze array buffer views with elements"错误。这种情况特别容易出现在集成第三方库(如OpenLayers地图库)时,因为这些库的内部实现往往使用了浏览器原生的ArrayBufferViews等数据结构。
问题本质
NgRx Signals在内部会对状态对象执行深度冻结(deepFreeze)操作,这是为了确保状态不可变性。然而,某些JavaScript对象(如ArrayBufferViews、WebGL上下文等)由于其特殊性质,无法被冻结。当这些对象作为状态的一部分时,就会导致冻结操作失败。
解决方案
1. 避免将不可冻结对象存入状态
最佳实践是将这些对象视为"外部系统",不将其作为状态的一部分。对于OpenLayers这样的库:
// 不推荐 - 将整个map实例存入状态
interface MapState {
map: Map | null;
}
// 推荐 - 只存储必要的状态信息
interface MapState {
mapConfig: MapConfig;
layerVisibility: Record<string, boolean>;
}
2. 使用withProps处理不可冻结对象
NgRx Signals提供了withProps功能,专门用于处理这类情况:
export const MapStore = signalStore(
{ providedIn: 'root' },
withState({
layerVisibility: {},
mapConfig: null
}),
withProps(() => ({
map: new Map(), // 不会被冻结的实例
oLCesium: new OLCesium()
})),
// ...其他功能
);
3. 状态与实例分离
将可变实例与不可变状态明确分离:
class MapService {
private mapInstance: Map;
private store = inject(MapStore);
initMap() {
this.mapInstance = new Map();
// 监听地图变化并更新状态
this.mapInstance.on('moveend', () => {
this.store.updateViewport(this.mapInstance.getView().getCenter());
});
}
}
设计原则
- 单一数据源:确保状态是唯一真实数据源,派生实例从状态生成
- 最小化状态:只存储必要的最小状态,不存储派生数据或实例
- 明确职责:状态管理负责数据,服务类负责实例管理
性能考虑
当处理大型数据集(如地图图层的几何数据)时:
- 使用轻量化的状态表示(如只存储要素ID和可见性)
- 对于大数据,考虑使用引用而不是完整复制
- 利用Angular的变更检测策略优化性能
总结
NgRx Signals的状态不可变性要求开发者对状态设计有更严格的规划。通过遵循"状态最小化"原则和合理使用withProps,可以既享受状态管理的好处,又能集成各种第三方库。关键在于区分哪些是真正的应用状态,哪些是临时的UI状态或外部系统实例。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
9
1
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218