NgRx Signals 重大变更:从 computed 到 props 的迁移指南
2025-05-28 06:25:30作者:卓炯娓
NgRx Signals 作为 Angular 状态管理的新范式,在最新版本中引入了一项重要变更:将原先的 computed 概念全面重构为 props。这一变更影响了多个核心 API 和类型定义,本文将详细解析这一变更的背景、具体内容以及如何进行平滑迁移。
变更背景
在早期版本的 NgRx Signals 中,computed 被用于描述派生状态(derived state)的概念。但随着 API 设计的演进,开发团队发现 props 更能准确表达其作为组件输入属性的语义。这一命名变更不仅提升了代码的可读性,也为未来功能扩展打下了更坚实的基础。
主要变更点
1. 类型定义重命名
原先的 EntityComputed 和 NamedEntityComputed 类型已更名为更简洁的 EntityProps 和 NamedEntityProps:
// 旧版本
import { EntityComputed, NamedEntityComputed } from '@ngrx/signals/entities';
// 新版本
import { EntityProps, NamedEntityProps } from '@ngrx/signals/entities';
2. signalStoreFeature 配置变更
在 signalStoreFeature 的配置对象中,computed 属性已统一改为 props:
// 旧版本配置方式
export function withMyFeature() {
return signalStoreFeature(
{ computed: type<{ num: Signal<number> }>() },
// ...
);
}
// 新版本配置方式
export function withMyFeature() {
return signalStoreFeature(
{ props: type<{ num: Signal<number> }>() },
// ...
);
}
3. 泛型参数变更
SignalStoreFeature 泛型参数中的 computed 也相应变更为 props:
// 旧版本泛型定义
export function withMyFeature(): SignalStoreFeature<
{ state: {}, computed: { num1: Signal<number> }, methods: {} },
{ state: {}, computed: { num2: Signal<number> }, methods: {} },
> {
// ...
}
// 新版本泛型定义
export function withMyFeature(): SignalStoreFeature<
{ state: {}, props: { num1: Signal<number> }, methods: {} },
{ state: {}, props: { num2: Signal<number> }, methods: {} },
> {
// ...
}
迁移建议
对于大型项目,手动修改这些变更可能比较耗时。NgRx 团队已经提供了自动迁移工具(schematic)来简化这一过程。开发者可以通过以下步骤完成迁移:
- 确保项目已更新到最新版本的 @ngrx/signals
- 运行 NgRx 提供的迁移 schematic
- 检查并验证自动迁移的结果
- 手动处理任何未被自动迁移的特殊情况
变更带来的优势
这一命名变更带来了几个显著优势:
- 语义更清晰:
props比computed更能准确表达这些属性的用途 - 一致性增强:与前端生态中其他流行框架(如 React、Vue)的术语保持一致
- 扩展性更好:为未来可能添加的更多属性类型预留了设计空间
总结
NgRx Signals 从 computed 到 props 的变更是框架演进过程中的重要一步,虽然带来了短暂的迁移成本,但从长远来看将显著提升代码的可维护性和可读性。开发者应尽快完成迁移以享受新版本带来的各种改进和未来可能的新特性。
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-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
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
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
376
3.28 K
暂无简介
Dart
621
140
🔥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
62
19
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
479
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++
647
263
🎉 (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
1.1 K
620
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
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
791
77