Riverpod中同步访问Future/Stream Provider缓存数据的最佳实践
2025-06-02 03:45:15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
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.72 K
Ascend Extension for PyTorch
Python
328
387
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++
876
576
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
335
161
暂无简介
Dart
762
187
🎉 (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
1.33 K
745
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
136