在Effector中优雅地拆分Effect结果到不同Store
2025-06-11 15:32:54作者:尤辰城Agatha
在Effector状态管理库的实际应用中,我们经常会遇到需要将一个Effect返回的结果拆分到多个Store中的场景。本文将探讨几种实现方式及其适用情况。
基础场景分析
假设我们有一个获取用户信息的Effect,它返回一个包含用户基本信息和用户偏好的复合对象:
const fetchUserInfo = createEffect(() => {
return {
user: { id: 1 },
userPreferences: { darkMode: true },
};
});
我们需要将这些数据分别存储到两个不同的Store中:$user和$userPreferences。
方案一:使用多个sample操作
最直接的方式是使用多个sample操作:
sample({
clock: fetchUserInfo.doneData,
fn: ({ user }) => user,
target: $user,
});
sample({
clock: fetchUserInfo.doneData,
fn: ({ userPreferences }) => userPreferences,
target: $userPreferences,
});
优点:
- 代码直观,易于理解
- 不需要额外依赖
- 类型推断良好
缺点:
- 当需要拆分的字段较多时,代码会显得重复
方案二:使用split操作
Effector提供了split操作符,可以根据条件将数据分流到不同的事件:
split({
source: fetchUserInfo.doneData,
match: {
user: ({ user }) => !!user,
userPreferences: ({ userPreferences }) => !!userPreferences
},
cases: {
user: setUser,
userPreferences: setUserPreferences,
},
});
优点:
- 逻辑集中在一处
- 适合复杂的分流条件
缺点:
- 需要预先定义事件处理器
- 代码量不一定减少
- 对于简单场景可能增加认知负担
方案三:自定义辅助函数
对于项目中的高频场景,可以创建自定义辅助函数:
function splitToStores(source, mappings) {
Object.entries(mappings).forEach(([key, store]) => {
sample({
clock: source,
fn: (data) => data[key],
target: store,
});
});
}
// 使用方式
splitToStores(fetchUserInfo.doneData, {
user: $user,
userPreferences: $userPreferences
});
优点:
- 代码高度复用
- 使用简洁
- 可根据项目需求定制
缺点:
- 需要额外维护辅助函数
- 类型支持可能受限
最佳实践建议
-
简单场景:直接使用多个
sample操作最为合适,代码清晰且易于维护。 -
复杂分流:当需要根据复杂条件分流时,考虑使用
split操作符。 -
高频使用:如果在项目中频繁遇到此类需求,可以创建自定义辅助函数来提高开发效率。
-
类型安全:在TypeScript项目中,优先选择类型支持良好的方案,通常多个
sample操作能提供最好的类型推断。
总结
Effector提供了灵活的方式来处理Effect结果的拆分需求。开发者应根据具体场景选择最适合的方案,在代码简洁性、可读性和类型安全之间取得平衡。对于大多数情况,使用多个sample操作是最为推荐的做法,它既保持了代码的清晰度,又能获得良好的类型支持。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C073
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen 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TSX0130
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
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 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 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 单总线CPU设计实训代码:计算机组成原理最佳学习资源 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 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
460
3.43 K
暂无简介
Dart
713
170
Ascend Extension for PyTorch
Python
267
304
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
186
71
React Native鸿蒙化仓库
JavaScript
284
332
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++
842
417
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
446
130
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
10
1
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
105
119