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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
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
455
437
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++
1.08 K
1.09 K
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
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220