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
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 StartedRust0152- 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。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
618
795
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
395
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++
1.01 K
1.01 K
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
1.18 K
152
deepin linux kernel
C
29
16
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
暂无简介
Dart
983
252
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
1.68 K
989