Redux Toolkit v2.7.0 发布:标准模式验证与无限查询优化
2025-06-04 17:28:58作者:宣海椒Queenly
Redux Toolkit 是 Redux 官方推荐的工具集,它简化了 Redux 的使用,提供了诸如 createSlice、createAsyncThunk 和 RTK Query 等实用功能。最新发布的 v2.7.0 版本带来了几项重要改进,特别是对 RTK Query 的增强和无限查询功能的优化。
标准模式验证支持
在 API 开发中,确保服务器响应数据符合预期格式至关重要。v2.7.0 引入了对 Standard Schema 的支持,允许开发者使用如 Zod、Valibot 等验证库来验证查询参数、响应和错误。
主要特性
- 响应验证:通过
responseSchema选项定义响应数据的验证规则 - 原始响应验证:使用
rawResponseSchema在转换前验证原始数据 - 类型推断:提供模式后可以自动推断 TS 类型,减少手动类型声明
- 错误处理:新增
catchSchemaFailure选项控制验证失败时的行为 - 性能优化:
skipSchemaValidation可跳过大型数据的运行时验证
import * as v from 'valibot'
const postSchema = v.object({
id: v.number(),
name: v.string(),
})
const api = createApi({
endpoints: (build) => ({
getPost: build.query({
query: ({ id }) => `/post/${id}`,
responseSchema: postSchema, // 自动推断返回类型
}),
}),
})
无限查询功能改进
RTK Query 的无限查询功能在此版本中得到了多项修复和优化:
- 缓存更新:现在无限查询也支持
updateCachedData方法 - 跳过机制:
skip选项现在能正确工作于无限查询场景 - 元数据包含:无限查询的
fulfilled动作现在包含基础查询的元数据 - 引用稳定性:
useInfiniteQuerySubscription返回的方法现在具有稳定引用
性能优化与状态结构调整
upsertQueryEntries 在处理大量缓存条目时存在性能问题,原因是标签处理逻辑进行了过多的 O(n) 迭代。v2.7.0 重构了 state.api.provided 的数据结构,实现了标签与缓存键的反向映射,显著提升了性能。
需要注意的是,这一变更可能会影响直接访问 RTKQ 状态的代码,虽然官方不建议这样做。Redux DevTools 已发布 3.2.10 版本以兼容新旧状态结构。
其他重要改进
- TS 支持:正式放弃对 TypeScript 5.0 的支持,目前支持 5.1-5.8
- 中间件检查:
configureStore现在会检测重复的中间件引用 - 实体适配器:
createEntityAdapter现在正确处理对同一新实体的多次更新 - 选择器优化:
combineSlices选择器现在返回相同的初始状态引用 - API 状态重置:
useQuery钩子现在能在resetApiState后正确重新获取数据
总结
Redux Toolkit v2.7.0 通过引入标准模式验证,使 API 数据验证更加规范和便捷;优化了无限查询的功能完整性和性能;改进了开发体验和类型支持。这些改进使得 Redux 在现代前端开发中的应用更加高效和可靠。
对于现有项目升级,建议重点关注无限查询行为的变更和状态结构的调整,确保兼容性。新项目则可以充分利用标准模式验证带来的类型安全和数据验证能力。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210