MobX-State-Tree中处理服务端生成ID的REST模式最佳实践
2025-05-30 01:02:10作者:胡唯隽
概述
在现代Web应用开发中,客户端创建数据后通过POST请求发送到服务端,服务端存储数据并生成唯一ID后返回完整数据是一种非常常见的REST模式。然而在使用MobX-State-Tree(MST)框架时,由于标识符(identifier)的不可变特性,这种模式可能会遇到一些实现上的挑战。
核心问题分析
MST中的identifier和identifierNumber类型字段具有以下特点:
- 它们是必填字段,不能为可选类型
- 一旦设置就不可更改(immutable)
- 用于唯一标识模型实例
这些特性使得在客户端创建数据时无法预留ID字段,而服务端返回带ID的数据后又需要处理标识符的初始化问题。
解决方案架构
为了解决这一问题,我们可以采用视图模型(ViewModel)与数据模型分离的设计模式:
1. 数据模型(Note模型)
数据模型严格对应服务端数据结构,包含服务端返回的所有字段,包括服务端生成的ID:
const Note = types.model("Note", {
id: types.identifierNumber,
title: types.string,
message: types.string,
date: types.string
});
2. 视图模型(FormViewModel)
视图模型负责处理用户界面交互和临时数据状态,它不直接包含ID字段:
const FormViewModel = types.model("FormViewModel", {
note: types.maybe(Note),
title: types.maybe(types.string),
message: types.maybe(types.string),
date: types.maybe(types.string)
})
实现细节
数据转换视图
在视图模型中添加计算属性,将表单数据转换为服务端所需的格式:
.views((self) => ({
get formData() {
const { title, message, date } = self;
if (!title || !message || !date) {
throw new Error("缺少必填字段");
}
return { title, message, date };
}
}))
创建完整数据实例
当从服务端获取ID后,使用该ID和表单数据创建完整的Note实例:
.actions((self) => ({
createNote(id: number) {
const note = Note.create({
...self.formData,
id
});
self.note = note;
}
}))
完整工作流程
- 用户在界面填写表单数据,这些数据存储在视图模型中
- 提交时,从视图模型获取formData(不含ID)
- 将formData发送到服务端
- 服务端返回生成的ID
- 使用返回的ID和原始formData创建完整的Note实例
- 将Note实例存储回视图模型
高级应用场景
这种模式还可以扩展处理更复杂的情况:
- 字段转换:在formData视图中进行数据格式转换(如日期格式化)
- 数据验证:在创建Note实例前进行更复杂的业务规则验证
- 批量处理:视图模型可以维护多个待创建的数据项
- 错误处理:完善各种错误情况的处理逻辑
总结
通过视图模型和数据模型的分离,我们既保持了MST类型系统的严谨性,又实现了与标准REST模式的兼容。这种架构不仅解决了服务端生成ID的问题,还为应用提供了良好的扩展点,可以方便地处理各种业务场景。
在实际项目中,开发者可以根据具体需求调整这一模式,例如添加加载状态管理、乐观更新等特性,以提供更好的用户体验。
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
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
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 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 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 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 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
663
152
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++
659
297
Ascend Extension for PyTorch
Python
215
235
React Native鸿蒙化仓库
JavaScript
254
320
仓颉编译器源码及 cjdb 调试工具。
C++
132
866
仓颉编程语言运行时与标准库。
Cangjie
139
874
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
🎉 (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
1.18 K
648
仓颉编程语言开发者文档。
59
818