Redux Toolkit中RTK Query动态选择器的优化实践
2025-05-21 15:16:02作者:平淮齐Percy
概述
在使用Redux Toolkit的RTK Query时,开发者经常会遇到需要基于动态参数创建选择器的情况。本文将通过一个典型案例,深入探讨如何正确实现和优化这类动态选择器。
问题背景
在RTK Query应用中,我们经常需要根据状态中的某个值(如游戏ID)来查询对应的数据。一个常见的错误模式是:
const selectInventory = createSelector(
(state: RootState) => state,
selectGameId,
(state: RootState, gameId) => createInventorySelector(gameId)(state),
);
这种实现存在严重的性能问题,因为(state) => state会导致选择器无法正确记忆化(memoize),每次都会重新计算。
正确实现方式
方法一:分层选择器
const createInventorySelector = createSelector(
selectGameId,
(id) => api.endpoints.listInventoryForGame.select(id),
);
export const selectInventory = createSelector(
(state: RootState) => state,
createInventorySelector,
(state: RootState, inventorySelector) => inventorySelector(state),
);
这种分层结构确保了:
createInventorySelector只在gameId变化时重新计算- 内部的选择器实例也会正确记忆化
方法二:简化实现
如果不需要记忆化整个选择链,可以直接:
const selectInventory = (state: RootState) => {
const id = selectGameId(state);
const inventorySelector = api.endpoints.listInventoryForGame.select(id);
return inventorySelector(state);
}
方法三:选择器缓存
为了减少重复创建选择器的开销:
const selectorsForIds = {};
const selectInventory = (state: RootState) => {
const id = selectGameId(state);
if (!(id in selectorsForIds)) {
selectorsForIds[id] = api.endpoints.listInventoryForGame.select(id);
}
return selectorsForIds[id](state);
}
性能考量
- RTK Query的选择器内部已经使用
createSelector实现,会自动记忆化查询结果 - 避免使用
(state) => state这种破坏记忆化的模式 - 选择器分层可以优化计算性能,但会增加代码复杂度
最佳实践建议
- 对于简单的查询,直接使用方法二的简化实现
- 对于性能敏感的场景,考虑使用方法三的选择器缓存
- 使用Reselect工具检查选择器的记忆化效果
- 避免过度优化,只在性能确实成为问题时进行优化
通过理解这些模式,开发者可以更高效地使用RTK Query构建响应式应用,同时保持良好的性能表现。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C050
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
441
3.35 K
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++
819
395
Ascend Extension for PyTorch
Python
249
285
React Native鸿蒙化仓库
JavaScript
276
329
暂无简介
Dart
701
164
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
10
1
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
140
50
🎉 (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
1.24 K
678
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
555
111