R3中的ReactiveProperty值修改机制解析与自定义实现
引言
在响应式编程框架R3中,ReactiveProperty是一个核心组件,用于实现数据绑定和响应式更新。本文将深入探讨R3中ReactiveProperty的值修改机制,特别是如何实现自定义的值修改逻辑,如实现一个带范围限制的ClampedReactiveProperty。
ReactiveProperty基础
ReactiveProperty是R3中表示可观察属性的基础类型,它继承自ReadOnlyReactiveProperty,提供了值的读写能力。与UniRx不同,R3在设计上更加注重性能和简洁性,因此API设计上有所差异。
值修改机制演进
在早期版本中,R3的ReactiveProperty缺少类似UniRx中SetValue方法这样的可重写方法,这使得开发者无法在子类中自定义值修改逻辑。这个问题在v0.1.19版本中得到了解决,引入了OnValueChanging方法。
OnValueChanging方法详解
OnValueChanging是一个受保护的虚方法,允许开发者在值被设置前进行修改。它采用ref参数传递值,使得修改可以直接作用于即将设置的值:
protected override void OnValueChanging(ref T value)
{
// 可以在这里修改value
}
这种方法设计有几个优点:
- 避免了额外的值比较(直接修改ref参数比先比较再设置更高效)
- 提供了统一的拦截点
- 保持了API的简洁性
实现ClampedReactiveProperty
基于OnValueChanging,我们可以实现一个带范围限制的ReactiveProperty:
public sealed class ClampedReactiveProperty<T> : ReactiveProperty<T>
where T : IComparable<T>
{
private readonly T min, max;
private static IComparer<T> Comparer { get; } = Comparer<T>.Default;
public ClampedReactiveProperty(T initialValue, T min, T max)
: base(initialValue)
{
this.min = min;
this.max = max;
}
protected override void OnValueChanging(ref T value)
{
if (Comparer.Compare(value, min) < 0)
{
value = min;
}
else if (Comparer.Compare(value, max) > 0)
{
value = max;
}
}
}
构造函数注意事项
当需要在构造函数中使用成员变量时,需要注意初始化顺序问题。R3提供了callOnValueChangeInBaseConstructor参数来控制是否在基类构造函数中调用OnValueChanging:
public ClampedReactiveProperty2(T initialValue, T min, T max)
: base(initialValue, EqualityComparer<T>.Default, callOnValueChangeInBaseConstructor: false)
{
this.min = min;
this.max = max;
OnValueChanging(ref GetValueRef());
}
设计哲学
R3在设计上避免了不必要的继承层次,这是为了保持API的简洁性和易用性。虽然不提供抽象基类可能会限制某些继承场景,但这种设计选择减少了API的复杂性,使开发者在使用时不需要面对过多选择。
总结
R3通过OnValueChanging方法提供了灵活的值修改机制,使开发者能够实现各种自定义逻辑。这种设计既保持了API的简洁性,又提供了足够的扩展能力。对于从UniRx迁移的开发者,理解这种设计差异有助于更好地利用R3的特性。
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。C086
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.Python057
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TSX0136
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