Redux Toolkit中RTK Query的onQueryStarted重复触发问题解析
2025-05-21 08:18:53作者:苗圣禹Peter
问题现象
在使用Redux Toolkit的RTK Query进行数据管理时,开发者可能会遇到一个奇怪的现象:onQueryStarted生命周期钩子会被意外地触发两次。这通常会导致乐观更新(optimistic update)逻辑出现错误,例如在计数器更新时,预期的减1操作变成了减2。
问题根源
经过深入分析,发现这类问题通常是由于Redux store配置中意外地重复添加了相同的RTK Query中间件导致的。具体表现为:
- 开发者创建了一个基础API切片(baseApiSlice),用于集中管理所有API端点
- 其他模块的API切片通过
injectEndpoints注入到这个基础切片中 - 在store配置时,不仅添加了基础API切片的中间件,还错误地添加了某个子模块API切片的中间件
这种配置会导致RTK Query的中间件被注册两次,进而使得每个查询操作都会被处理两次,包括onQueryStarted回调。
解决方案
1. 检查store配置
确保store的middleware配置中只包含基础API切片的中间件,不要重复添加子模块的中间件。正确的配置应该是:
const store = configureStore({
reducer: {
[apiSlice.reducerPath]: apiSlice.reducer,
},
middleware: (getDefaultMiddleware) =>
getDefaultMiddleware().concat(apiSlice.middleware),
})
2. 使用Redux Toolkit 2.7.0+版本
Redux Toolkit团队已经意识到这个问题,并在2.7.0版本中增加了开发模式下的检查机制。当检测到重复的中间件时,系统会抛出明确的错误信息,帮助开发者快速定位问题。
最佳实践
- 单一中间件原则:确保每个RTK Query API切片只被添加一次到store中间件中
- 模块化设计:使用一个基础API切片集中管理所有端点,避免分散配置
- 版本升级:尽可能使用Redux Toolkit 2.7.0或更高版本,利用其内置的重复中间件检测功能
- 代码审查:在团队协作中,特别注意store配置的变更,防止重复添加中间件
总结
RTK Query的onQueryStarted重复触发问题看似神秘,实则源于中间件的重复注册。通过规范store配置和利用新版Redux Toolkit的检测功能,可以彻底避免这类问题。理解Redux中间件的工作原理对于构建稳定可靠的Redux应用至关重要。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217