在Effector中优雅地拆分Effect结果到不同Store
2025-06-11 05:08:49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。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
【免费下载】 DLL修复工具免费版 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 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 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 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
473
3.52 K
React Native鸿蒙化仓库
JavaScript
286
338
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
224
91
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
722
174
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
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++
849
438
🎉 (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
1.27 K
699
🔥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
65
19