NgRx Signals 信号存储中的私有成员实现方案
2025-05-28 16:29:03作者:卓艾滢Kingsley
背景与需求
在现代前端状态管理中,封装性是一个重要的设计考量。NgRx Signals 作为 Angular 状态管理的新方案,开发者希望能够像类一样定义私有成员,以隐藏内部实现细节,只暴露必要的公共接口。
解决方案设计
NgRx Signals 团队提出了一种基于命名约定的私有成员实现方案,通过在成员名前添加下划线 _ 前缀来标记私有性:
export const CounterStore = signalStore(
withState({
count1: 0, // 公共状态
_count2: 0, // 私有状态
}),
withComputed(({ count1, _count2 }) => ({
_doubleCount1: computed(() => count1() * 2), // 私有计算信号
doubleCount2: computed(() => _count2() * 2), // 公共计算信号
})),
withMethods((store) => ({
increment1(): void { ... }, // 公共方法
_increment2(): void { ... }, // 私有方法
})),
);
类型安全实现
这种私有性是通过 TypeScript 的类型系统实现的,类似于类的私有字段:
const store = inject(CounterStore);
store.count1(); // 允许访问
store._count2(); // 类型错误
虽然可以通过类型断言绕过这一限制,但这为开发者提供了明确的接口边界。
状态保护机制
即使在未受保护的状态配置下,私有状态切片仍然受到保护:
const store = signalStore(
{ protectedState: false },
withState({ count1: 0, _count2: 0 }),
);
patchState(store, { _count2: 10 }); // 编译时错误
自定义特性中的私有成员
在自定义 SignalStore 特性中,私有成员对使用该特性的 Store 可见。如需限制可见性,开发者可以:
- 显式指定返回类型
- 使用 Symbol 作为键名
// 方法1:显式类型
export function withCount(): SignalStoreFeature<
EmptyFeatureResult,
{ state: { count2: number }; computed: {}; methods: {} }
> {
return signalStoreFeature(withState({ count1: 0, count2: 0 }));
}
// 方法2:使用Symbol
const FOO = Symbol('FOO');
export function withFoo() {
return signalStoreFeature(withMethods({ [FOO]: () => {} }));
}
实体集合的私有化处理
对于实体集合,可以通过在集合名前添加 _ 前缀实现整体私有化,然后选择性公开:
const todoConfig = entityConfig({
entity: type<Todo>(),
collection: '_todo', // 私有集合
});
const TodosStore = signalStore(
withEntities(todoConfig),
withComputed(({ _todoEntities }) => ({
todos: _todoEntities, // 公开实体数组
}))
);
技术价值与最佳实践
这种设计为 NgRx Signals 带来了以下优势:
- 更好的封装性:隐藏内部实现细节,减少意外修改
- 清晰的接口边界:通过类型系统明确区分公共和私有API
- 渐进式采用:开发者可以根据需要逐步引入私有成员
建议开发者在设计 Store 时:
- 将可能变化的实现细节标记为私有
- 仅暴露必要的状态和方法
- 在自定义特性中谨慎处理可见性
这种模式为复杂应用的状态管理提供了更好的组织结构,同时保持了 NgRx Signals 的简洁性和可组合性。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
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++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
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
🎉 (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
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873