R3项目中Observable基类使用注意事项
2025-06-28 08:52:52作者:邵娇湘
理解R3中的Observable基类
在R3(Reactive Runtime)项目中,Observable<T>是一个用于创建可观察序列的基类。开发者可以通过继承这个基类来实现自定义的可观察序列。然而,在使用过程中需要注意一些关键的设计原则和潜在陷阱。
问题现象分析
开发者在使用Observable<T>作为基类时,可能会遇到System.InvalidOperationException: Disposable is already assigned异常。这种情况通常发生在以下场景:
- 开发者创建了一个继承自
Observable<T>的类 - 在
SubscribeCore方法中,尝试通过另一个Subject来转发订阅 - 直接返回Subject的订阅结果时会出现异常
问题根源
异常的根本原因在于SubscribeCore方法的实现方式。当开发者尝试在方法内部先获取Subject的订阅,然后再返回这个订阅时,实际上发生了对同一个SingleAssignmentDisposableCore的两次赋值操作:
protected override IDisposable SubscribeCore(Observer<T> observer)
{
var subscription = _subject.Subscribe(observer); // 第一次赋值
return subscription; // 返回时发生第二次赋值
}
解决方案
推荐解决方案
正确的做法是避免在SubscribeCore方法中直接转发订阅。R3的设计初衷是让Observable<T>作为可观察序列的基类,而不是作为转发代理。如果需要转发功能,应该使用AsObservable()等方法。
临时解决方案
如果确实需要在自定义Observable中包装另一个Subject,可以使用以下方式绕过问题:
protected override IDisposable SubscribeCore(Observer<T> observer)
{
return ObservableSubscribeExtensions.Subscribe(_subject, observer.OnNext);
}
这种方式避免了直接返回Subject的订阅结果,从而防止了双重赋值的问题。
设计原则与最佳实践
- 单一职责原则:
Observable<T>应该作为可观察序列的实现基类,而不是转发代理 - 避免继承滥用:不是所有需要实现
IObservable<T>的场景都适合继承Observable<T> - 使用组合而非继承:当需要包装现有Observable时,优先考虑组合模式
- 遵循框架设计意图:理解并遵循R3框架的设计理念,避免反模式使用
总结
在R3项目中使用Observable<T>基类时,开发者需要理解其设计意图和适用场景。当遇到"Disposable is already assigned"异常时,应该重新审视代码设计是否符合框架的设计原则。在大多数情况下,使用组合而非继承,或者利用框架提供的转换方法(如AsObservable())会是更好的选择。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
801
🔥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
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
871
207
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
130
189
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160