Redux Toolkit中RTK Query如何在外层访问缓存数据
2025-05-21 17:18:43作者:卓艾滢Kingsley
在使用Redux Toolkit的RTK Query时,我们经常需要在React组件外部访问API查询的缓存结果。本文将详细介绍如何创建和使用选择器来获取特定查询参数的缓存数据。
RTK Query缓存结构
RTK Query会自动将API请求结果存储在Redux store中,其结构通常包含两个主要部分:
queries:存储所有查询请求及其结果mutations:存储所有变更操作及其状态
对于查询请求,RTK Query会根据请求参数生成唯一的缓存键,确保相同参数的请求可以复用缓存结果。
创建选择器访问缓存
要从store中获取特定查询的缓存数据,我们需要使用endpoints.[endpointName].select()方法创建选择器。这个方法接收与查询hook相同的参数,返回一个可以获取该查询缓存状态的选择器函数。
基本用法
假设我们有一个名为validateData的查询端点,它接收包含三个参数的参数对象:
const selectApiResult = apiSlice.endpoints.validateData.select({
valueA: "somevalue1",
valueB: "somevalue2",
valueC: "somevalue3"
});
这个选择器可以像常规Redux选择器一样使用,接收整个Redux state作为参数:
const cachedData = selectApiResult(store.getState());
动态参数选择器
在实际应用中,我们通常需要根据当前状态动态创建选择器。这时可以结合其他选择器来构建查询参数:
const selectValueA = (state) => state.valueA;
const selectValueB = (state) => state.valueB;
const selectValueC = (state) => state.valueC;
const makeSelectValidateData = () => {
return createSelector(
[selectValueA, selectValueB, selectValueC],
(valueA, valueB, valueC) => {
return apiSlice.endpoints.validateData.select({ valueA, valueB, valueC });
}
);
};
选择器返回的数据结构
选择器返回的对象包含以下有用的信息:
data:API请求成功返回的数据error:请求失败时的错误信息isLoading:请求是否正在进行中isSuccess:请求是否成功完成isError:请求是否失败status:请求的当前状态
使用场景
在以下场景中特别适合使用选择器而非hooks:
- 在Redux中间件中访问缓存数据
- 在非React组件中(如工具函数、类)获取API状态
- 在复杂的选择器组合中依赖API查询结果
- 在测试中验证API缓存状态
性能考虑
RTK Query的选择器已经经过优化,会进行记忆化处理。但是,每次调用.select()都会返回一个新的选择器实例。为了获得最佳性能,建议:
- 对于固定参数的查询,可以预先创建并缓存选择器
- 对于动态参数的查询,使用
createSelector记忆化参数组合 - 避免在渲染过程中频繁创建新的选择器实例
通过合理使用RTK Query的选择器功能,我们可以在保持应用性能的同时,灵活地访问API缓存数据。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
776
5.07 K
Ascend Extension for PyTorch
Python
756
961
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++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430