Redux Toolkit中Immer与实体适配器的兼容性问题解析
2025-05-21 17:13:11作者:秋泉律Samson
问题背景
在使用Redux Toolkit开发应用时,开发者可能会遇到一个特定错误:"[Immer] 'current' expects a draft, got:"。这个问题通常出现在使用实体适配器(Entity Adapter)和监听中间件(listenerMiddleware)组合的场景中,特别是在执行排序状态操作时。
错误本质
这个错误的根本原因是Redux Toolkit内部在处理实体状态时,对Immer的draft状态检查不够完善。具体来说,当开发者使用upsertMany等操作对已排序的实体状态进行修改时,系统会尝试对普通数组(非Immer draft)调用current()方法,而Immer的current()方法只能作用于draft对象。
技术细节
Redux Toolkit的实体适配器提供了对标准化状态的管理能力,包括添加、更新、删除等操作。在排序状态适配器(Sorted State Adapter)中,当执行一系列操作如removeAll()后接upsertMany()时,状态中的ids数组会变成一个普通数组而非Immer draft。此时如果直接调用current(state.ids)就会抛出上述错误。
解决方案
Redux Toolkit团队在2.2.6版本中修复了这个问题。修复方案是增加了一个getCurrent()工具函数,该函数会在调用current()前先检查值是否可以被draft化。这样可以避免对普通值调用current()导致的错误。
最佳实践
为了避免类似问题,开发者应该:
- 确保使用最新版本的Redux Toolkit(至少2.2.6及以上)
- 在实体适配器操作中避免连续执行会改变状态类型的操作
- 如果自定义适配器,确保正确处理Immer的draft状态
总结
这个案例展示了Redux Toolkit内部如何结合Immer实现不可变状态管理,以及在边界条件下可能出现的问题。通过理解实体适配器的工作原理和Immer的限制,开发者可以更好地避免这类问题,并编写更健壮的Redux代码。
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
184
196
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
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
275
97
暂无简介
Dart
623
140
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
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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