Redux Toolkit中正确使用选择器(selectors)的实践指南
2025-05-21 06:47:00作者:虞亚竹Luna
选择器基础概念
在Redux应用中,选择器(selectors)是用于从store状态树中提取特定数据的函数。它们不仅简化了组件与store的交互,还能通过记忆化(memoization)优化性能,避免不必要的重新计算和渲染。
传统实现方式的问题
许多开发者习惯使用以下方式创建选择器:
const selectFilters = (state: RootState) => state.filters;
export const selectFiltersByEntity = (entity: FilterEntity) =>
createSelector(selectFilters, (filters) => filters[entity]);
然后在组件中使用:
const { searchCriterion } = useAppSelector(selectFiltersByEntity(searchEntity));
这种方式存在一个严重问题:每次组件渲染时都会重新创建选择器,完全破坏了记忆化的优势,导致性能下降。
Redux Toolkit推荐的最佳实践
Redux Toolkit提供了更简洁、高效的选择器定义方式:
const filterSlice = createSlice({
name: "filters",
initialState,
reducers,
selectors: {
selectFiltersByEntity: (state, entity: FilterEntity) => state[entity]
}
})
使用方式变为:
const { selectFiltersByEntity } = filterSlice.selectors;
const searchCriterion = useAppSelector(state =>
selectFiltersByEntity(state, searchEntity).searchCriterion
);
关键区别与优势
- 避免重复创建选择器:新方法不会在每次渲染时创建新选择器
- 更直观的API:选择器直接作为slice的一部分定义,结构更清晰
- 更好的类型推断:与TypeScript集成更自然,类型提示更完善
- 简化参数传递:直接在选择器中接收额外参数,而非通过高阶函数
何时需要使用createSelector
虽然上述例子中不需要手动使用createSelector,但在需要派生数据或复杂计算时仍然有用:
selectors: {
selectFilteredItems: createSelector(
(state) => state.items,
(state, searchTerm) => searchTerm,
(items, searchTerm) => items.filter(item => item.includes(searchTerm))
)
}
性能优化建议
- 尽量在slice中定义选择器,而非单独创建
- 对于简单数据提取,直接使用箭头函数
- 只有需要派生数据或复杂计算时才使用createSelector
- 避免在组件渲染过程中动态创建选择器
通过遵循这些最佳实践,可以确保Redux应用既保持良好性能,又具备清晰可维护的代码结构。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
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
GOT-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
186
201
暂无简介
Dart
625
141
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
React Native鸿蒙化仓库
JavaScript
242
315
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
381
3.52 K
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
1.03 K
480
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++
648
265
🎉 (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
1.11 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
127
857