Riverpod中同步访问Future/Stream Provider缓存数据的最佳实践
2025-06-02 05:52:29作者:薛曦旖Francesca
背景介绍
在使用Riverpod状态管理库时,我们经常会遇到需要处理异步数据的情况。特别是当一个Provider依赖于另一个异步Provider的数据时,如何高效地处理这种依赖关系成为了一个重要话题。
问题核心
当Provider B依赖于Provider A的异步数据时,我们面临一个选择:
- 如果Provider A已经缓存了数据,我们可以直接同步获取
- 如果Provider A还没有数据,则需要异步等待
理想情况下,我们希望能够根据当前数据状态智能地选择同步或异步方式,而不是强制使用异步方式。
解决方案
1. 同步检查数据状态
我们可以通过检查AsyncValue的状态来判断数据是否已经缓存:
final hasResult = read(provider.select((v) => v.hasValue || v.hasError));
2. 智能同步/异步获取
基于检查结果,我们可以决定是同步返回缓存数据还是异步等待:
if (!hasResult) {
return watch(provider.future); // 异步等待
} else {
return watch(provider).requireValue; // 同步返回
}
3. 创建扩展方法
为了便于复用,我们可以将这些逻辑封装成扩展方法:
extension SyncWatch on Ref {
FutureOr<T> streamSyncWatch<T>(StreamProvider<T> provider) {
final hasResult = read(provider.select((v) => v.hasValue || v.hasError));
if (!hasResult) return watch(provider.future);
return watch(provider).requireValue;
}
FutureOr<T> futureSyncWatch<T>(FutureProvider<T> provider) {
final hasResult = read(provider.select((v) => v.hasValue || v.hasError));
if (!hasResult) return watch(provider.future);
return watch(provider).requireValue;
}
}
4. 处理FutureOr返回值
为了更方便地处理FutureOr类型的返回值,我们可以创建一个扩展方法:
extension Then<T> on FutureOr<T> {
FutureOr<R> then<R>(
FutureOr<R> Function(T value) onValue,
) {
if (this is T) {
return onValue(this as T);
} else {
return (() async => onValue(await this))();
}
}
}
实际应用示例
@riverpod
Future<ModelA> providerA(ProviderARef ref) async {
return await something();
}
@riverpod
FutureOr<ModelB> providerB(ProviderBRef ref) {
final mapper = ref.read(mapperProvider);
final rawDataValue = ref.futureSyncWatch(providerAProvider);
return rawDataValue.then((rawData) => mapper(rawData));
}
性能考量
这种方法的主要优势在于:
- 当数据已经缓存时,可以避免不必要的异步操作
- 减少了不必要的重建,提高了性能
- 保持了代码的简洁性和可读性
注意事项
- 使用
read
而不是watch
来检查数据状态,避免不必要的重建 - 对于StreamProvider和FutureProvider需要分别处理
- 注意错误处理,确保在数据不可用时能够正确处理
总结
通过这种智能同步/异步获取数据的方式,我们可以在Riverpod中实现更高效的Provider间依赖关系处理。这种方法既保留了异步操作的灵活性,又能在数据可用时提供同步访问的性能优势。
未来随着Riverpod的更新,可能会有更优雅的解决方案出现,但目前这种方法已经能够很好地解决实际问题。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
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++098AI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。02Spark-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。Python00GOT-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).Dockerfile09
- 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
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
203
2.18 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
62
94

🎉 (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
977
575

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

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++
550
84

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
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133