NgRx Signals 中引入 `watch` 函数的技术探讨
2025-05-28 23:30:28作者:谭伦延
在 Angular 生态系统中,响应式编程一直是核心话题。随着 Angular 16 引入 Signals 作为响应式原语,开发者们开始探索如何更优雅地处理状态变化和副作用。NgRx 团队近期提出了一个有趣的技术讨论:在 @ngrx/signals 包中引入 watch 函数,作为对 Angular 原生 effect 的补充方案。
背景:Angular 的 effect 机制
Angular 提供了 effect 函数来处理信号变化的副作用。其核心特点是自动依赖追踪——任何在 effect 回调中同步读取的信号都会自动成为依赖项,当这些信号变化时,effect 会重新执行。
const count = signal(0);
effect(() => {
console.log('count value', count());
});
这种隐式依赖追踪虽然强大,但在实际开发中却存在几个显著问题:
- 异步依赖丢失:如果在异步操作中读取信号值,依赖关系不会被自动追踪
- 依赖排除困难:需要使用
untracked函数来避免不必要的依赖 - 隐式依赖陷阱:任何同步调用的函数中读取的信号都会成为依赖
watch 函数的设计理念
watch 函数的核心思想是显式依赖声明。开发者需要明确指定要监听的信号,回调函数不在响应式上下文中执行,从而避免了隐式依赖的问题。
基本用法:
const count = signal(0);
watch(count, (value) => {
console.log('count value', value);
});
多信号监听:
const count1 = signal(10);
const count2 = signal(100);
watch(count1, count2, (val1, val2) => {
console.log(val1 + val2);
});
清理机制:
watch(count, () => {
console.log('count changed', count());
return () => console.log('cleanup');
});
技术对比:effect vs watch
| 特性 | effect |
watch |
|---|---|---|
| 依赖追踪方式 | 隐式自动追踪 | 显式声明 |
| 响应式上下文 | 在响应式上下文中执行 | 在普通上下文中执行 |
| 异步依赖处理 | 需要同步读取信号 | 无此限制 |
| 排除依赖 | 需要使用 untracked |
自动排除未声明的信号 |
| 代码可预测性 | 较低(依赖隐式追踪) | 较高(依赖显式声明) |
设计讨论与社区观点
这一技术讨论引发了 Angular 社区的广泛关注,主要观点分为两派:
支持方认为:
- 显式声明使代码更可预测和可维护
- 解决了
effect的隐式依赖陷阱问题 - 与其他框架(如 Vue、SolidJS)的设计一致
反对方担忧:
- 增加 API 复杂度,可能造成选择困难
- 显式声明会增加样板代码
- 可能被滥用,导致不良实践
- 核心问题应该是减少副作用的使用
实际应用场景分析
-
UI 状态同步:当需要将信号状态同步到非响应式UI库时,
watch的显式声明更安全 -
性能敏感操作:对于只在特定信号变化时才需要执行的昂贵操作,
watch能精确控制 -
第三方集成:与非 Signals 系统集成时,显式依赖更可靠
-
组合式工具函数:构建可复用的工具函数时,避免隐式依赖更可控
最佳实践建议
- 优先选择:简单场景用
effect,复杂依赖用watch - 副作用最小化:无论哪种方式,都应保持副作用精简
- 组合使用:可以将
watch与computed结合使用 - 明确边界:在组件与服务间建立清晰的响应式边界
未来展望
这一讨论反映了响应式编程领域的一个永恒课题:如何在便利性与可控性之间找到平衡。无论 watch 是否最终被纳入 NgRx,它提出的问题都值得每一位 Angular 开发者思考:
- 我们如何更好地管理响应式依赖?
- 如何在框架提供的便利性与代码的可维护性之间取得平衡?
- 什么样的API设计最能引导开发者走向最佳实践?
这些问题的探索将继续推动 Angular 响应式编程模型的进化。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
335
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
745
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134