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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781