深入理解Immer中的深拷贝与引用问题
2025-05-05 18:13:33作者:秋泉律Samson
背景介绍
Immer是一个流行的JavaScript不可变状态管理库,它通过使用Proxy对象来跟踪修改并生成新的不可变状态。在使用过程中,开发者经常会遇到需要深度克隆对象以避免引用共享的问题。
问题核心
在Immer中处理复杂对象时,直接使用current函数可能无法完全解决嵌套对象的引用问题。当我们需要将一个对象拆分成多个部分,并对每个部分进行独立修改时,如果原始对象包含嵌套结构,简单的浅拷贝会导致修改影响所有副本。
解决方案分析
Immer提供的current函数能够将Draft状态转换为普通对象,但对于嵌套的Draft对象,需要递归处理才能完全解除引用。开发者可以创建自定义的deepCurrent函数来解决这个问题:
type Drafted<T> = T | Draft<T>;
type DeepCurrent<T> =
T extends Array<infer U> ? Array<DeepCurrent<U>> :
T extends object ? { [K in keyof T]: DeepCurrent<T[K]> } : T;
export const deepCurrent = <T>(obj: Drafted<T>): any => {
if (Array.isArray(obj)) {
return obj.map((item) => current(item)) as DeepCurrent<T>;
} else if (obj && typeof obj === 'object') {
const plainObject = isDraft(obj) ? current(obj) : obj;
const result: any = {};
Object.entries(plainObject).forEach(([key, value]) => {
result[key] = isDraft(value) ? current(value) : value;
});
return result as DeepCurrent<T>;
} else {
return obj as DeepCurrent<T>;
}
};
这个实现具有以下特点:
- 类型安全:使用TypeScript泛型确保类型正确性
- 递归处理:深度遍历对象的所有属性
- 安全检查:先检查对象是否为Draft状态再转换
- 数组支持:正确处理数组类型的属性
最佳实践
在实际项目中,建议:
- 对于简单场景,优先使用Immer内置的
current函数 - 当需要完全解除对象间的引用关系时,再使用深度克隆方案
- 注意性能影响,深度克隆会带来额外的计算开销
- 考虑使用结构化克隆API(如
structuredClone)作为替代方案
版本兼容性说明
需要注意的是,某些Immer版本(如10.0.x)在处理包含对象引用的Symbol时可能存在兼容性问题。在9.0.21版本中这些问题已经得到修复,开发者可以根据项目需求选择合适的版本。
总结
理解Immer中的引用机制对于正确使用状态管理至关重要。通过自定义深度克隆函数,开发者可以更灵活地处理复杂对象的拷贝需求,同时保持类型安全和代码可维护性。在实际开发中,应当根据具体场景选择最合适的解决方案。
登录后查看全文
热门项目推荐
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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
675
4.31 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
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++
946
886
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
398
302
🎉 (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
1.56 K
909
暂无简介
Dart
920
228
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212