【亲测免费】 Redux Promise Middleware 使用教程
2026-01-19 10:40:48作者:齐添朝
项目介绍
Redux Promise Middleware 是一个用于处理异步操作的 Redux 中间件。它允许你通过分发一个包含 Promise 的 action 来处理异步操作,并在 Promise 的不同状态(pending、fulfilled、rejected)下分发相应的 action。
项目快速启动
安装
首先,安装 redux-promise-middleware:
npm install redux-promise-middleware --save
配置
在 Redux 应用中引入并配置中间件:
import { createStore, applyMiddleware } from 'redux';
import promiseMiddleware from 'redux-promise-middleware';
import rootReducer from './reducers';
const store = createStore(
rootReducer,
applyMiddleware(promiseMiddleware)
);
export default store;
使用
分发一个包含 Promise 的 action:
const fetchData = () => ({
type: 'FETCH_DATA',
payload: new Promise((resolve, reject) => {
// 模拟异步操作
setTimeout(() => {
resolve({ data: 'Hello, World!' });
}, 1000);
})
});
// 分发 action
store.dispatch(fetchData());
在 reducer 中处理不同状态的 action:
const initialState = {
data: null,
loading: false,
error: null
};
const dataReducer = (state = initialState, action) => {
switch (action.type) {
case 'FETCH_DATA_PENDING':
return { ...state, loading: true };
case 'FETCH_DATA_FULFILLED':
return { ...state, data: action.payload, loading: false };
case 'FETCH_DATA_REJECTED':
return { ...state, error: action.payload, loading: false };
default:
return state;
}
};
export default dataReducer;
应用案例和最佳实践
应用案例
假设我们有一个简单的应用,需要从服务器获取用户数据并在页面上显示。使用 Redux Promise Middleware 可以很方便地处理这个异步操作。
- Action Creator:
const fetchUser = (userId) => ({
type: 'FETCH_USER',
payload: fetch(`/api/users/${userId}`).then(response => response.json())
});
- Reducer:
const initialState = {
user: null,
loading: false,
error: null
};
const userReducer = (state = initialState, action) => {
switch (action.type) {
case 'FETCH_USER_PENDING':
return { ...state, loading: true };
case 'FETCH_USER_FULFILLED':
return { ...state, user: action.payload, loading: false };
case 'FETCH_USER_REJECTED':
return { ...state, error: action.payload, loading: false };
default:
return state;
}
};
export default userReducer;
- 组件:
import React, { useEffect } from 'react';
import { useDispatch, useSelector } from 'react-redux';
import { fetchUser } from './actions';
const UserProfile = ({ userId }) => {
const dispatch = useDispatch();
const { user, loading, error } = useSelector(state => state.user);
useEffect(() => {
dispatch(fetchUser(userId));
}, [dispatch, userId]);
if (loading) return <div>Loading...</div>;
if (error) return <div>Error: {error.message}</div>;
return (
<div>
<h1>{user.name}</h1>
<p>{user.bio}</p>
</div>
);
};
export default UserProfile;
最佳实践
- 统一处理错误:在 reducer 中统一处理错误,避免在每个异步操作中重复处理错误逻辑。
- 使用常量:使用常量来定义 action 类型,避免拼
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
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
456
438
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++
1.08 K
1.1 K
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
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220