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
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