Dexie.js 中嵌套对象更新的注意事项
2025-05-17 13:11:55作者:胡易黎Nicole
在使用 Dexie.js 进行 IndexedDB 操作时,处理嵌套对象的更新需要特别注意事务管理和响应式编程的交互问题。本文将通过一个实际案例,分析在 Svelte 5 环境中使用 Dexie.js 时可能遇到的更新失效问题及其解决方案。
问题背景
在开发一个健身追踪应用时,我们使用 Dexie.js 作为 IndexedDB 的封装库。数据结构中包含多层嵌套:
{
id: number,
workout_exercises: [
{
id: number,
exercise: { id: number, name: string },
sets: [
{ id: number, reps: number, weight: number }
]
}
]
}
主要操作包括向特定训练动作(workout_exercise)中添加新的组(set)。初始实现中,更新操作有时会失效,新添加的组不会持久化到数据库中。
初始实现分析
最初的更新逻辑是这样的:
async function addExerciseSet(id, workoutExerciseId) {
const workout = await db.workouts.get(id);
const updatedExercises = workout.workout_exercises.map(we => {
if (we.id === workoutExerciseId) {
return {
...we,
sets: [...we.sets, newSet]
};
}
return we;
});
await db.workouts.update(id, {
workout_exercises: updatedExercises
});
}
表面上看逻辑没有问题,但实际运行时会出现更新不生效的情况。经过排查,发现问题出在 Svelte 的响应式系统与 Dexie 操作的交互上。
根本原因
在 Svelte 组件中,使用了 $effect 自动触发更新:
$effect(() => {
workoutsStore.updateExerciseSet(workoutId, workoutExerciseId, {
...set,
weight,
reps
});
});
这种实现存在两个问题:
- 没有使用事务包装相关的 get 和 update 操作
$effect的自动触发可能导致竞态条件
当多个状态变化快速连续发生时,没有事务保护的更新操作可能会相互覆盖,导致部分更新丢失。
解决方案
正确的做法是将相关操作放入事务中:
async function addExerciseSet(id, workoutExerciseId) {
await db.transaction('rw', db.workouts, async () => {
const workout = await db.workouts.get(id);
const updatedExercises = workout.workout_exercises.map(we => {
// 更新逻辑
});
await db.workouts.update(id, {
workout_exercises: updatedExercises
});
});
}
此外,对于 Svelte 的响应式更新,更好的做法是:
- 避免在
$effect中直接执行数据库操作 - 改为在用户明确的动作(如点击事件)中触发更新
- 或者使用防抖机制控制更新频率
最佳实践建议
-
始终使用事务:对于涉及先读取后写入的操作,应该使用事务包装,确保操作的原子性。
-
谨慎使用响应式更新:在响应式框架中,自动触发的副作用要特别注意竞态条件和性能问题。
-
考虑批量更新:对于频繁的细粒度更新,可以考虑累积变化后一次性提交。
-
添加错误处理:事务操作应该包含适当的错误处理和回滚机制。
-
性能优化:对于大型嵌套对象,考虑使用 Dexie 的局部更新语法(如
'workout_exercises.0.sets')来减少传输数据量。
通过遵循这些原则,可以确保 Dexie.js 在复杂应用中的稳定性和数据一致性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0150- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
731
4.74 K
Ascend Extension for PyTorch
Python
610
794
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++
1 K
1.01 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
433
392
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
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.16 K
150
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.67 K
987