TanStack DB Collections 0.0.8版本发布:更简洁的变更处理API
TanStack DB是一个现代化的前端数据管理解决方案,它提供了声明式的方式来处理应用状态和数据持久化。作为其核心组件之一,DB Collections模块专注于集合数据的操作和管理。在最新的0.0.8版本中,该模块引入了一套更加直观和简洁的变更处理API,显著简化了数据变更的流程。
新版本的核心改进
本次更新的核心在于重新设计了数据变更处理机制。开发者现在可以直接在集合配置中定义onInsert、onUpdate和onDelete处理器,而不必再依赖复杂的useOptimisticMutation钩子来处理简单的数据变更。
这种改进使得代码更加声明式和直观。当调用collection.insert()、.update()或.delete()方法时,如果这些操作不是在显式的事务中执行(即不在useOptimisticMutation回调内),库会自动创建一个单操作事务并调用相应的处理器来持久化变更。
主要变更点解析
-
直接处理器支持:现在可以在集合配置中直接定义变更处理器,这些处理器会在对应操作发生时自动触发。例如,定义一个
onInsert处理器后,调用collection.insert()就会自动触发这个处理器。 -
自动事务管理:对于简单的单操作变更,不再需要手动创建事务。库会自动处理事务的创建和管理,大大简化了代码。
-
查询自动刷新:在
queryCollectionOptions中使用这些处理器时,集合查询会在处理器成功完成后自动刷新。这一行为可以通过处理器返回{ refetch: false }来禁用。 -
Electric集合的特殊处理:对于Electric集合,处理器现在需要返回一个包含事务ID的对象(
{ txid: string })。集合会自动等待这个事务ID同步完成后再解析变更,确保数据一致性。 -
错误处理改进:如果没有配置相应的持久化处理器,直接调用变更方法将会抛出错误,这有助于开发者更早地发现问题。
迁移建议和注意事项
对于现有项目,需要注意这是一个破坏性变更。之前直接调用变更方法而不处理持久化的代码现在会抛出错误。迁移时,开发者需要:
- 检查所有直接调用
insert、update或delete的地方 - 为这些操作添加相应的处理器
- 对于简单场景,可以直接在集合配置中添加处理器
- 对于复杂场景(如跨集合事务),仍然可以使用
useOptimisticMutation
实际应用示例
假设我们有一个待办事项应用,更新后的代码会更加简洁:
const todosCollection = createCollection({
name: 'todos',
schema: todoSchema,
onInsert: async (newTodo) => {
// 持久化逻辑
return { txid: '...' }; // Electric集合需要返回txid
},
onUpdate: async (updatedTodo) => {
// 更新逻辑
return { refetch: true }; // 控制是否自动刷新查询
},
onDelete: async (deletedTodo) => {
// 删除逻辑
return { txid: '...' };
}
});
// 使用示例
function addTodo() {
todosCollection.insert({
id: '1',
text: 'Learn TanStack DB',
completed: false
});
}
总结
TanStack DB Collections 0.0.8版本的这一改进,使得数据变更处理变得更加直观和简洁。通过直接在集合配置中定义变更处理器,开发者可以减少样板代码,更专注于业务逻辑。同时,自动的事务管理和查询刷新机制进一步简化了开发流程。虽然这是一个破坏性变更,但它带来的代码清晰度和开发效率提升是值得的。
对于新项目,建议直接采用这种新模式;对于现有项目,可以逐步迁移,先处理简单的变更场景,再处理复杂的跨集合事务。这一改进标志着TanStack DB在提供更优雅、更声明式的数据管理解决方案上又迈出了重要一步。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00