Redux Toolkit中RTK Query 2.0迁移:如何正确类型化onQueryStarted生命周期函数
2025-05-21 05:57:25作者:霍妲思
背景介绍
在Redux Toolkit的RTK Query 2.0版本中,开发者经常需要处理缓存更新的场景。一个常见的模式是通过onQueryStarted生命周期函数手动更新缓存。在2.0版本之前,开发者可以使用MutationLifecycleApi和QueryLifecycleApi类型来类型化这些函数,但在2.0版本中这一方式发生了变化。
问题分析
在RTK Query 2.0中,开发者面临的主要挑战是如何正确类型化可复用的onQueryStarted函数。这些函数通常用于多个端点,需要处理查询和变更两种场景。
典型的用例包括:
- 在数据变更后自动更新相关查询的缓存
- 处理乐观更新
- 执行副作用操作
解决方案演进
旧版解决方案
在2.0版本之前,开发者可以使用联合类型来处理查询和变更两种场景:
import {
MutationLifecycleApi,
QueryLifecycleApi,
} from "@reduxjs/toolkit/dist/query/endpointDefinitions";
const updateUserOnComplete = async (
arg: unknown,
{
dispatch,
queryFulfilled,
}:
| MutationLifecycleApi<unknown, BaseQueryFn, User>
| QueryLifecycleApi<unknown, BaseQueryFn, User>
) => {
// 实现逻辑
};
新版解决方案
在Redux Toolkit 2.4.0版本中,官方引入了新的类型工具来更好地支持这一场景:
const onGetPostStarted: TypedQueryOnQueryStarted<Post, Id, typeof baseQuery, 'postApi'> =
(arg, { dispatch, queryFulfilled }) => {
// 实现逻辑
};
const onUpdatePostStarted: TypedMutationOnQueryStarted<Post, PostUpdate, typeof baseQuery, 'postApi'> =
(arg, { dispatch, queryFulfilled }) => {
// 实现逻辑
};
最佳实践
-
类型分离:对于查询和变更操作,分别使用
TypedQueryOnQueryStarted和TypedMutationOnQueryStarted类型。 -
明确泛型参数:
- 第一个泛型参数:API返回的数据类型
- 第二个泛型参数:端点参数类型
- 第三个泛型参数:基础查询函数类型
- 第四个泛型参数:API的reducerPath
-
复用逻辑:将通用逻辑提取为独立函数,通过适当的类型参数使其可复用。
示例实现
// 定义基础查询
const baseQuery = fetchBaseQuery({ baseUrl: '/api' });
// 类型化查询的onQueryStarted
const onGetPostStarted: TypedQueryOnQueryStarted<Post, Id, typeof baseQuery, 'postApi'> =
(arg, { dispatch, queryFulfilled }) => {
// 实现获取文章后的逻辑
};
// 类型化变更的onQueryStarted
const onUpdatePostStarted: TypedMutationOnQueryStarted<Post, PostUpdate, typeof baseQuery, 'postApi'> =
(arg, { dispatch, queryFulfilled }) => {
// 实现更新文章后的逻辑
};
// 创建API
const postApi = createApi({
reducerPath: 'postApi',
baseQuery: baseQuery,
endpoints: (build) => ({
getPost: build.query<Post, Id>({
query: () => '/posts',
onQueryStarted: onGetPostStarted
}),
updatePost: build.mutation<Post, PostUpdate>({
query: ({ id, ...patch }) => ({
url: `/posts/${id}`,
body: patch,
method: "POST"
}),
onQueryStarted: onUpdatePostStarted
})
})
});
总结
RTK Query 2.0通过引入TypedQueryOnQueryStarted和TypedMutationOnQueryStarted类型,为开发者提供了更清晰、更类型安全的方式来处理onQueryStarted生命周期函数。这种方式不仅解决了类型问题,还提高了代码的可维护性和可复用性。
对于从旧版本迁移的开发者,建议逐步替换原有的MutationLifecycleApi和QueryLifecycleApi用法,采用新的类型化方案,以获得更好的类型支持和开发体验。
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 StartedRust074- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
689
4.46 K
Ascend Extension for PyTorch
Python
544
668
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++
955
928
Claude 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 Started
Rust
415
74
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
407
323
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
564
🎉 (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
1.59 K
925
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
642
292