RTK Query 使用教程
2024-09-13 15:34:58作者:卓艾滢Kingsley
项目介绍
RTK Query 是一个强大的数据获取和缓存工具,专为简化 Web 应用中的数据加载场景而设计。它是 Redux Toolkit 的一部分,旨在帮助开发者更高效地处理数据请求和状态管理。RTK Query 通过自动生成 API 请求、缓存数据、以及处理加载状态等功能,极大地简化了前端开发中的数据管理流程。
项目快速启动
安装依赖
首先,确保你已经安装了 @reduxjs/toolkit 和 react-redux。然后,安装 RTK Query:
npm install @reduxjs/toolkit react-redux @rtk-incubator/rtk-query
创建 API Slice
在 Redux store 中创建一个 API slice,用于定义你的 API 请求:
import { createApi, fetchBaseQuery } from '@rtk-incubator/rtk-query';
export const pokemonApi = createApi({
reducerPath: 'pokemonApi',
baseQuery: fetchBaseQuery({ baseUrl: 'https://pokeapi.co/api/v2/' }),
endpoints: (builder) => ({
getPokemonByName: builder.query({
query: (name) => `pokemon/${name}`,
}),
}),
});
export const { useGetPokemonByNameQuery } = pokemonApi;
配置 Redux Store
在你的 Redux store 中配置 RTK Query:
import { configureStore } from '@reduxjs/toolkit';
import { pokemonApi } from './services/pokemon';
export const store = configureStore({
reducer: {
[pokemonApi.reducerPath]: pokemonApi.reducer,
},
middleware: (getDefaultMiddleware) =>
getDefaultMiddleware().concat(pokemonApi.middleware),
});
在 React 组件中使用
在你的 React 组件中使用 RTK Query 获取数据:
import React from 'react';
import { useGetPokemonByNameQuery } from './services/pokemon';
function Pokemon({ name }) {
const { data, error, isLoading } = useGetPokemonByNameQuery(name);
if (isLoading) return <div>Loading...</div>;
if (error) return <div>Error: {error.message}</div>;
return (
<div>
<h3>{data.name}</h3>
<img src={data.sprites.front_default} alt={data.name} />
</div>
);
}
export default Pokemon;
应用案例和最佳实践
应用案例
RTK Query 适用于各种需要频繁数据请求的场景,例如:
- 社交媒体应用:实时获取用户动态、评论和点赞信息。
- 电商应用:获取商品列表、用户购物车和订单信息。
- 新闻应用:获取最新的新闻文章和评论。
最佳实践
- 缓存策略:合理配置缓存策略,避免不必要的数据请求。
- 错误处理:在组件中处理错误,提供友好的用户反馈。
- 性能优化:使用
selectFromResult优化组件的渲染性能。
典型生态项目
RTK Query 作为 Redux Toolkit 的一部分,与其他 Redux 生态项目紧密结合,例如:
- Redux Toolkit:提供简化 Redux 开发的核心工具。
- React Redux:将 Redux 与 React 应用无缝集成。
- Redux Persist:持久化 Redux 状态,避免页面刷新后数据丢失。
通过这些工具的结合使用,可以构建出高效、稳定的前端应用。
登录后查看全文
热门项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
269
2.54 K
暂无简介
Dart
558
125
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
58
11
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
仓颉编程语言运行时与标准库。
Cangjie
126
104
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
357
1.84 K
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
1.02 K
434
🎉 (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
1.03 K
605
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
729
70