Redux Toolkit 异步操作中安全 Promise 的优化处理
2025-05-22 21:26:48作者:何举烈Damon
在 Redux Toolkit 的 createAsyncThunk 方法使用过程中,开发者经常会遇到一个类型检查的痛点:ESLint 的 @typescript-eslint/no-floating-promises 规则会对这些异步操作返回的 Promise 发出警告,尽管这些 Promise 实际上是"安全"的——它们永远不会真正解析(resolve)。
问题背景
createAsyncThunk 是 Redux Toolkit 提供的一个实用工具,用于简化 Redux 中异步操作的处理。它创建的 Promise 具有特殊行为:
- 这些 Promise 实际上永远不会解析(resolve)
- 它们的状态变化完全由 Redux store 处理
- 开发者不需要像处理常规 Promise 那样添加
.then()或await
然而,TypeScript ESLint 规则无法识别这种特殊行为,仍然会将这些未处理的 Promise 标记为"浮动"(floating),导致不必要的警告。
技术解决方案
为了解决这个问题,Redux Toolkit 团队计划引入一个"品牌化"(branded)的 Promise 类型。这种特殊类型将:
- 明确标识这些 Promise 是"安全"的
- 允许 ESLint 规则通过类型识别来跳过对这些 Promise 的检查
- 保持现有 API 的向后兼容性
实现细节
在技术实现上,这个方案需要:
- 在 Redux Toolkit 中定义一个特殊的 Promise 类型(如
SafePromise) - 修改
createAsyncThunk的返回类型以使用这个新类型 - 配合 TypeScript ESLint 规则的更新,允许配置中指定可忽略的安全 Promise 类型
开发者体验改进
一旦实现,开发者可以在 ESLint 配置中明确指定哪些 Promise 类型可以安全忽略:
"@typescript-eslint/no-floating-promises": ["error", {
"allowForKnownSafePromises": [
{ "from": "package", "name": "SafePromise", "package": "@reduxjs/toolkit" }
]
}]
这种解决方案既保持了代码质量检查的严谨性,又避免了误报带来的开发困扰,是类型系统与实际框架行为之间的优雅桥梁。
未来展望
这种品牌化类型的解决方案不仅适用于 Redux Toolkit,也可以为其他框架中类似场景提供参考。它展示了如何通过类型系统的精巧设计来解决框架特殊行为与通用工具之间的兼容性问题。
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
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
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
255
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
373
3.18 K
🎉 (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
1.09 K
618
🔥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
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92