Redux Toolkit中如何正确定义和使用TypedUseQuery类型
2025-05-21 11:34:53作者:胡易黎Nicole
在Redux Toolkit项目开发中,我们经常需要封装统一的API调用接口,以便在不同应用间共享组件。本文将深入探讨如何正确使用TypedUseQuery类型来定义统一的查询钩子接口。
问题背景
当我们需要在多个应用间共享使用Redux Toolkit Query的组件时,常常会遇到一个需求:组件需要调用API,但具体的API实现可能因应用而异。这时就需要定义一个统一的接口类型,让组件不关心具体实现,而由各个应用自行提供符合规范的实现。
错误示范
初学者可能会尝试这样定义和使用TypedUseQuery类型:
import {FetchArgs, BaseQueryFn} from '@reduxjs/toolkit/query';
import {TypedUseQuery} from '@reduxjs/toolkit/query/react';
export type UseFetchingType = TypedUseQuery<JSONValue, FetchArgs, BaseQueryFn>;
// 错误的实现方式
export const defaultUseFetching: UseFetchingType = () => ({
data: undefined,
error: undefined,
isUninitialized: true,
isLoading: false,
isFetching: false,
isSuccess: false,
isError: false,
refetch: () => {},
});
这种写法会导致TypeScript报错,因为TypedUseQuery类型实际上是一个复杂的泛型类型,它需要考虑selectFromResult等选项,而简单的返回固定值对象并不符合其类型约束。
正确实现方式
正确的做法是使用Redux Toolkit Query实际生成的查询钩子来赋值:
// 首先创建API切片
export const apiSlice = createApi({
reducerPath: 'api',
baseQuery: autoBaseQueryWithReAuth,
endpoints: _builder => ({}),
});
// 然后注入具体端点
const slice = apiSlice.injectEndpoints({
endpoints: builder => ({
generalFetching: builder.query<JSONValue, string | FetchArgs>({
query: args =>
typeof args === 'object'
? {
...args,
method: args.method ?? 'GET',
params: {rid: crypto.randomUUID(), ...args.params},
}
: {
url: args,
method: 'GET',
params: {rid: crypto.randomUUID()},
},
transformResponse: (rawResult) => rawResult.data!,
}),
}),
});
// 获取生成的查询钩子
const {useGeneralFetchingQuery} = slice;
// 这才是正确的赋值方式
const defaultUseFetching: UseFetchingType = useGeneralFetchingQuery;
类型定义解析
让我们仔细看看TypedUseQuery的类型定义:
type UseFetchingType = TypedUseQuery<ResultType, QueryArg, BaseQuery>;
其中三个泛型参数分别代表:
- ResultType: 查询结果的类型
- QueryArg: 查询参数的类型,可以是字符串或FetchArgs对象
- BaseQuery: 基础查询函数的类型
架构设计建议
在实际项目中,推荐采用以下架构设计:
- 定义统一的接口类型(UseFetchingType)
- 组件层只依赖接口类型,不关心具体实现
- 每个应用提供自己的实现,注入到组件中
- 组件在不同应用中运行时,会自动使用对应的API实现
这种设计模式很好地遵循了依赖倒置原则,使组件与具体实现解耦,提高了代码的可复用性和可维护性。
总结
正确使用Redux Toolkit的TypedUseQuery类型需要注意以下几点:
- TypedUseQuery是一个复杂的泛型类型,不能简单地用固定返回值来模拟
- 应该使用createApi和injectEndpoints生成的真实查询钩子
- 类型参数需要正确定义结果类型、查询参数类型和基础查询类型
- 这种类型定义方式非常适合在需要统一接口的多应用场景中使用
通过本文的介绍,希望读者能够掌握在Redux Toolkit项目中正确定义和使用TypedUseQuery类型的方法,构建出更加灵活、可复用的前端架构。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
658
4.26 K
Ascend Extension for PyTorch
Python
503
607
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++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
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
390
285
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (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
1.54 K
892
昇腾LLM分布式训练框架
Python
142
168