NGXS状态管理库中的NaN值导致的选择器性能问题解析
2025-06-20 00:52:17作者:邓越浪Henry
问题背景
在NGXS状态管理库中,选择器(selector)的memoization(记忆化)机制是提升性能的关键特性。它通过缓存计算结果,避免在相同输入下重复计算。然而,当选择器返回NaN(Not a Number)值时,这一机制会出现意外行为。
问题现象
当存在以下情况时:
- 一个选择器返回NaN值
- 另一个选择器依赖这个返回NaN的选择器
此时,依赖NaN的选择器会在任何状态变更时都重新计算,即使其输入实际上没有变化。这导致了严重的性能问题,因为无关的状态变更也会触发不必要的重新计算。
根本原因
这个问题的根源在于JavaScript的一个特殊行为:NaN !== NaN。在JavaScript中,NaN是唯一一个不等于自身的值。NGXS内部使用严格相等(===)来比较前后值是否相同,以决定是否需要重新计算。当选择器返回NaN时,每次比较都会认为值发生了变化,因为NaN !== NaN始终为true。
技术细节
NGXS的选择器memoization机制通常工作流程如下:
- 存储上一次的计算结果
- 当状态变化时,获取新的输入值
- 比较新旧值是否相同
- 如果相同,返回缓存结果;如果不同,重新计算
对于NaN值的特殊处理缺失,导致了这个流程在第三步出现意外行为。
解决方案
借鉴其他成熟库(如memoize-one)的处理方式,可以修改值比较逻辑,特殊处理NaN情况。具体实现可考虑:
function isEqual(a, b) {
if (a !== a) { // 仅当a是NaN时为true
return b !== b; // 仅当b也是NaN时为true
}
return a === b;
}
这种处理方式能够正确识别两个NaN值是"相等"的,从而保持memoization的有效性。
影响范围
这个问题影响所有使用NGXS且有以下特征的场景:
- 选择器计算过程中可能产生NaN值
- 存在选择器链式依赖关系
- 应用中状态变更频繁
特别是在涉及数学计算、表单验证或数据转换的场景中容易出现此问题。
最佳实践
为避免此类问题,开发者可以:
- 在选择器中避免直接返回NaN,可考虑返回null或undefined
- 对可能产生NaN的计算进行包装处理
- 在依赖数学计算的选择器中添加NaN检查
总结
NGXS作为Angular生态中重要的状态管理解决方案,其性能优化机制需要处理JavaScript的各种边界情况。这个NaN导致的memoization失效问题提醒我们,在状态管理设计中需要考虑语言特性的所有可能性。通过合理的值比较策略,可以确保选择器在各种情况下都能正确工作,保持应用的高性能。
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
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