Swift Composable Architecture 中父子 Reducer 交互的注意事项
概述
在使用 Swift Composable Architecture (TCA) 开发 iOS 应用时,我们经常会遇到需要在父 Reducer 中直接调用子 Reducer 操作的场景。本文将深入探讨这种交互方式可能带来的问题,特别是关于 Effect 取消的注意事项。
问题场景
在 TCA 架构中,当父 Reducer 需要触发子 Reducer 的某个 Action 时,开发者可能会选择直接调用子 Reducer 的 reduce 方法,而不是通过标准的 Effect.send 方式。这种看似便捷的做法实际上会带来 Effect 管理的问题。
典型代码示例
// 父 Reducer 中直接调用子 Reducer
return Child().reduce(into: &state.childs[0], action: .refresh)
.map { [id = state.childs[0].id] in
Action.childs(.element(id: id, action: $0))
}
问题分析
这种直接调用方式会绕过 TCA 的核心机制 forEach/ifLet 操作符,而这些操作符正是负责处理 Effect 取消逻辑的关键部分。因此,当在测试环境中运行时,会出现 Effect 未被正确取消的错误提示:
failed - An effect returned for this action is still running. It must complete before the end of the test.
解决方案
推荐方案:使用 Effect.send
最可靠的方式是使用标准的 Effect.send 机制来触发子 Reducer 的 Action:
return .send(.childs(.element(id: state.childs[0].id, action: .refresh)))
这种方式能够确保所有 Effect 管理机制正常工作,包括测试环境中的自动取消。
替代方案:保持操作符链
如果确实需要直接操作,可以保持操作符链的完整性:
return EmptyReducer()
.forEach(\.childs, action: \.childs) {
Child()
}
.reduce(into: &state.childs, action: .childs(.element(id: ..., action: .refresh))
最佳实践建议
-
逻辑下沉:考虑将刷新逻辑放在子 Reducer 的
onAppearAction 中处理,这样更符合单一职责原则。 -
避免直接调用:尽量避免直接调用子 Reducer 的方法,保持通过 Action 进行通信的标准模式。
-
测试考虑:在设计 Reducer 交互时,始终考虑测试场景下的行为,确保 Effect 能够被正确管理和取消。
架构演进
TCA 团队正在计划对 Reducer 的工作方式进行更新,未来版本可能会提供更优雅的方式来处理这类父子 Reducer 交互的场景。开发者应关注官方更新,及时调整实现方式。
总结
在 TCA 架构中,父子 Reducer 的交互应当遵循框架设计的通信机制,避免绕过核心操作符直接调用。这不仅关系到 Effect 的正确管理,也影响到测试的可靠性和代码的可维护性。通过标准化的 Action 通信方式,可以确保应用状态的变更和副作用处理始终处于可控状态。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00