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
kernelopenEuler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。C088
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python057
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen 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TSX0137
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
473
3.5 K
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
218
88
暂无简介
Dart
720
174
Ascend Extension for PyTorch
Python
278
315
React Native鸿蒙化仓库
JavaScript
286
334
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++
848
435
🎉 (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
1.27 K
696
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
10
1
🔥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
65
19