Wagmi v2中useWalletClient和useConnectorClient的性能优化问题解析
2025-06-03 23:04:30作者:昌雅子Ethen
问题背景
在Wagmi v2的使用过程中,开发者发现useWalletClient和useConnectorClient这两个钩子函数会导致过多的重新渲染,严重影响应用性能。经过深入分析,发现问题源于这些钩子内部实现中的查询失效逻辑。
核心问题分析
这两个钩子函数内部都包含一个useEffect,其逻辑如下:
useEffect(() => {
// 当地址变化时使查询失效
if (address) queryClient.invalidateQueries({ queryKey })
else queryClient.removeQueries({ queryKey }) // 当账户断开连接时移除查询
}, [address, queryClient])
这段代码看似合理,但实际上存在一个关键问题:每当组件首次挂载时,这个效果都会运行,导致查询被不必要地无效化。这意味着:
- 每次包含这些钩子的组件挂载时,都会触发查询无效化
- 这会导致连锁反应,触发其他监听器/效果/订阅
- 最终会调用
createClient并生成新的uuid() - 这种模式很容易陷入性能陷阱
解决方案探讨
经过社区讨论,提出了几种改进方案:
方案一:使用ref跟踪地址变化
const prevAddress = useRef<UseAccountReturnType<config>["address"]>(address)
useEffect(() => {
if (!address) {
queryClient.removeQueries({ queryKey })
} else if (address !== prevAddress.current) {
queryClient.invalidateQueries({ queryKey })
}
prevAddress.current = address
}, [address, queryClient])
方案二:优化后的ref方案
const addressRef = useRef<Address | null | undefined>(null)
useEffect(() => {
if (addressRef.current === null || addressRef.current === address) return
if (address) queryClient.invalidateQueries({ queryKey })
else queryClient.removeQueries({ queryKey })
addressRef.current = address
}, [address])
技术实现要点
- 首次渲染处理:通过ref初始值为null来区分首次渲染和后续更新
- 变化检测:只有当地址实际发生变化时才执行查询操作
- 性能优化:避免了不必要的查询无效化和重新渲染
最佳实践建议
- 在使用这些钩子时,应注意其可能带来的性能影响
- 对于频繁更新的组件,考虑使用ref方案优化
- 在复杂应用中,可能需要考虑全局状态管理来减少重复查询
总结
Wagmi v2中的useWalletClient和useConnectorClient钩子函数在默认实现中存在性能隐患,通过引入ref来跟踪状态变化可以有效解决这个问题。这种优化模式不仅适用于Wagmi,也可以应用于其他需要精细控制副作用的React钩子场景中。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥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
68
20
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
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
349
200
Ascend Extension for PyTorch
Python
376
446
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1