NgRx Signal Store 中的服务注入优化实践
2025-05-28 02:31:44作者:凤尚柏Louis
背景介绍
在NgRx Signal Store的使用过程中,开发者经常会遇到需要在不同功能块(如withComputed和withMethod)中访问同一服务的情况。传统做法会导致服务被多次注入,这引发了关于性能和组织结构的合理担忧。
服务注入的现状
在Signal Store的标准用法中,开发者通常会在每个功能块中单独注入所需服务:
signalStore {
withComputed((store, service = inject(Service)) => {...}),
withMethods((store, service = inject(Service)) => {...})
}
这种方式虽然直观,但当Service规模较大时(例如包含2000多行代码),开发者会担心是否会导致性能问题或资源浪费。
技术原理剖析
实际上,Angular的依赖注入系统采用的是单例模式,无论你在多少个地方调用inject(Service)
,框架都只会创建一个服务实例。这意味着:
- 内存消耗不会因为多次注入而增加
- 服务初始化只会在第一次注入时执行
- 后续注入只是获取已存在的实例引用
因此,从性能角度考虑,多次注入并不会带来额外的资源负担。
代码组织优化方案
虽然性能不是问题,但从代码组织和可维护性角度,我们可以采用更优雅的方式:
方法1:集中注入模式
signalStore(
withMethods(() => {
const bigService = inject(BigService);
return {
serviceMethod1(id: number) {
return bigService.method1(id);
},
serviceMethod2(id: number) {
return bigService.method2(id);
}
}
}),
withComputed(store => ({
computedValue: computed(() => store.serviceMethod1(1))
}))
)
方法2:工厂函数封装
对于更复杂的场景,可以创建工厂函数:
function withServiceFeatures() {
return signalStoreFeatures(
withMethods(() => {
const service = inject(MyService);
return { service };
}),
withComputed(({ service }) => ({
featureA: computed(() => service.getValueA())
})),
withMethods(({ service }) => ({
actionB: () => service.doSomething()
}))
);
}
最佳实践建议
- 小型服务:直接在各功能块中注入,代码更直观
- 大型服务:考虑集中注入模式,提高可维护性
- 共享逻辑:使用工厂函数封装相关功能
- 性能考量:不必担心多次注入带来的性能问题
总结
NgRx Signal Store提供了灵活的服务注入方式,开发者可以根据项目规模和团队习惯选择最适合的模式。理解Angular依赖注入的单例特性后,可以更自信地设计Store结构,在代码整洁性和性能之间取得平衡。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0362Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
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++089Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
192
2.15 K

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

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
78
72

🎉 (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
969
572

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++
547
76

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
349
1.35 K

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0

React Native鸿蒙化仓库
C++
205
284

🔥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
60
17