浅谈前端响应式设计(一)
现实世界有很多是以响应式的方式运作的,例如我们会在收到他人的提问,然后做出响应,给出相应的回答。在开发过程中笔者也应用了大量的响应式设计,积累了一些经验,希望能抛砖引玉。
响应式编程(Reactive Programming)和普通的编程思路的主要区别在于,响应式以推(push
)的方式运作,而非响应式的编程思路以拉(pull
)的方式运作。例如,事件就是一个很常见的响应式编程,我们通常会这么做:
button.on('click', () => {
// ...
})
而非响应式方式下,就会变成这样:
while (true) {
if (button.clicked) {
// ...
}
}
显然,无论是代码的优雅度还是执行效率上,非响应式的方式都不如响应式的设计。
Event Emitter
Event Emitter
是大多数人都很熟悉的事件实现,它很简单也很实用,我们可以利用Event Emitter
实现简单的响应式设计,例如下面这个异步搜索:
class Input extends Component {
state = {
value: ''
}
onChange = e => {
this.props.events.emit('onChange', e.target.value)
}
afterChange = value => {
this.setState({
value
})
}
componentDidMount() {
this.props.events.on('onChange', this.afterChange)
}
componentWillUnmount() {
this.props.events.off('onChange', this.afterChange)
}
render() {
const { value } = this.state
return (
<input value={value} onChange={this.onChange} />
)
}
}
class Search extends Component {
doSearch = (value) => {
ajax(/* ... */).then(list => this.setState({
list
}))
}
componentDidMount() {
this.props.events.on('onChange', this.doSearch)
}
componentWillUnmount() {
this.props.events.off('onChange', this.doSearch)
}
render() {
const { list } = this.state
return (
<ul>
{list.map(item => <li key={item.id}>{item.value}</li>)}
</ul>
)
}
}
这里我们会发现用
Event Emitter
的实现有很多缺点,需要我们手动在
componentWillUnmount
里进行资源的释放。它的表达能力不足,例如我们在搜索时需要聚合多个数据源的时候:
class Search extends Component {
foo = ''
bar = ''
doSearch = () => {
ajax({
foo,
bar
}).then(list => this.setState({
list
}))
}
fooChange = value => {
this.foo = value
this.doSearch()
}
barChange = value => {
this.bar = value
this.doSearch()
}
componentDidMount() {
this.props.events.on('fooChange', this.fooChange)
this.props.events.on('barChange', this.barChange)
}
componentWillUnmount() {
this.props.events.off('fooChange', this.fooChange)
this.props.events.off('barChange', this.barChange)
}
render() {
// ...
}
}
显然开发效率很低。
Redux
Redux
采用了一个事件流的方式实现响应式,在Redux
中由于reducer
必须是纯函数,因此要实现响应式的方式只有订阅中或者是在中间件中。
如果通过订阅store
的方式,由于Redux
不能准确拿到哪一个数据放生了变化,因此只能通过脏检查的方式。例如:
function createWatcher(mapState, callback) {
let previousValue = null
return (store) => {
store.subscribe(() => {
const value = mapState(store.getState())
if (value !== previousValue) {
callback(value)
}
previousValue = value
})
}
}
const watcher = createWatcher(state => {
// ...
}, () => {
// ...
})
watcher(store)
这个方法有两个缺点,一是在数据很复杂且数据量比较大的时候会有效率上的问题;二是,如果mapState
函数依赖上下文的话,就很难办了。在react-redux
中,connect
函数中mapStateToProps
的第二个参数是props
,可以通过上层组件传入props
来获得需要的上下文,但是这样监听者就变成了React
的组件,会随着组件的挂载和卸载被创建和销毁,如果我们希望这个响应式和组件无关的话就有问题了。
另一种方式就是在中间件中监听数据变化。得益于Redux
的设计,我们通过监听特定的事件(Action)就可以得到对应的数据变化。
const search = () => (dispatch, getState) => {
// ...
}
const middleware = ({ dispatch }) => next => action => {
switch action.type {
case 'FOO_CHANGE':
case 'BAR_CHANGE': {
const nextState = next(action)
// 在本次dispatch完成以后再去进行新的dispatch
setTimeout(() => dispatch(search()), 0)
return nextState
}
default:
return next(action)
}
}
这个方法能解决大多数的问题,但是在Redux
中,中间件和reducer
实际上隐式订阅了所有的事件(Action),这显然是有些不合理的,虽然在没有性能问题的前提下是完全可以接受的。
面向对象的响应式
ECMASCRIPT 5.1
引入了getter
和setter
,我们可以通过getter
和setter
实现一种响应式。
class Model {
_foo = ''
get foo() {
return this._foo
}
set foo(value) {
this._foo = value
this.search()
}
search() {
// ...
}
}
// 当然如果没有getter和setter的话也可以通过这种方式实现
class Model {
foo = ''
getFoo() {
return this.foo
}
setFoo(value) {
this.foo = value
this.search()
}
search() {
// ...
}
}
Mobx
和Vue
就使用了这样的方式实现响应式。当然,如果不考虑兼容性的话我们还可以使用Proxy
。
当我们需要响应若干个值然后得到一个新值的话,在Mobx
中我们可以这么做:
class Model {
@observable hour = '00'
@observable minute = '00'
@computed get time() {
return `${this.hour}:${this.minute}`
}
}
Mobx
会在运行时收集time
依赖了哪些值,并在这些值发生改变(触发setter
)的时候重新计算time
的值,显然要比EventEmitter
的做法方便高效得多,相对Redux
的middleware
更直观。
但是这里也有一个缺点,基于getter
的computed
属性只能描述y = f(x)
的情形,但是现实中很多情况f
是一个异步函数,那么就会变成y = await f(x)
,对于这种情形getter
就无法描述了。
对于这种情形,我们可以通过Mobx
提供的autorun
来实现:
class Model {
@observable keyword = ''
@observable searchResult = []
constructor() {
autorun(() => {
// ajax ...
})
}
}
由于运行时的依赖收集过程完全是隐式的,这里经常会遇到一个问题就是收集到意外的依赖:
class Model {
@observable loading = false
@observable keyword = ''
@observable searchResult = []
constructor() {
autorun(() => {
if (this.loading) {
return
}
// ajax ...
})
}
}
显然这里
loading
不应该被搜索的
autorun
收集到,为了处理这个问题就会多出一些额外的代码,而多余的代码容易带来犯错的机会。 或者,我们也可以手动指定需要的字段,但是这种方式就不得不多出一些额外的操作:
class Model {
@observable loading = false
@observable keyword = ''
@observable searchResult = []
disposers = []
fetch = () => {
// ...
}
dispose() {
this.disposers.forEach(disposer => disposer())
}
constructor() {
this.disposers.push(
observe(this, 'loading', this.fetch),
observe(this, 'keyword', this.fetch)
)
}
}
class FooComponent extends Component {
this.mode = new Model()
componentWillUnmount() {
this.state.model.dispose()
}
// ...
}
而当我们需要对时间轴做一些描述时,Mobx
就有些力不从心了,例如需要延迟5秒再进行搜索。
在下一篇博客中,将介绍Observable
处理异步事件的实践。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
-
上一篇
漫谈OceanBase 列式存储
列式存储主要的目的有两个: 大部分OLAP查询只需要读取部分列而不是全部列数据,列式存储可以避免读取无用数据; 将同一列的数据在物理上存放在一起,能够极大地提高数据压缩率。 OLAP和OLTP OLAP,也叫联机分析处理(Online Analytical Processing)系统,有的时候也叫DSS决策支持系统,就是我们说的数据仓库。在这样的系统中,语句的执行量不是考核标准,因为一条语句的执行时间可能会非常长,读取的数据也非常多。所以,在这样的系统中,考核的标准往往是磁盘子系统的吞吐量(带宽),如能达到多少MB/s的流量。 在OLAP系统中,常使用分区技术、并行技术。 分区技术在OLAP系统中的重要性主要体现在数据库管理上,比如数据库加载,可以通过分区交换的方式实现,备份可以通过备份分区表空间实现,删除数据可以通过分区进行删除,至于分区在性能上的影响,它可以使得一些大表的扫描变得很快(只扫描单个分区)。另外,如果分区结合并行的话,也可以使得整个表的扫描会变得很快。总之,分区主要的功能是管理上的方便性,它并不能绝对保证查询性能的提高,有时候分区会带来性能上的提高,有时候会降低。 在O...
-
下一篇
Dubbo+zookeeper实现分布式服务框架
什么是Dubbo?? Dubbo也是一套微服务框架,他与SpringCloud的区别就是,他支持多种协议,而SpringCloud只支持Http协议。如果没有分布式,那么他是不存在的。 Dubbo底层架构图 Dubbo底层 首先Provider生成服务将服务注册到zookeeper(具体实现下面有代码),然后zookeeper接收到过后底层会触发zookeeper监听事件(不懂请看前一节),然后告诉Consumer可以消费了,但是Provider关闭过后zookeeper不会删除节点,因为是存储的持久化节点,不是临时节点。然后会有一个专门的模块来监听服务的调用,统计模块调用次数和反馈信息。 Dubbo有哪些作用 ①:Dubbo有服务治理的能力:透明化的远程方法调用,就像调用本地方法一样调用远程方法,只需简单 配置,没有任何API侵入。 ②:集群容错:软负载均衡及容错机制,可在内网替代F5等硬件负鞭均衡器,降低成本,减少单点。 ③:自动发现:服务自动注册与发现,不再需要写死服务提供方地址,注册中心基于接口名查询服务提供者的IP地址,并且能够平滑添加或删除服务提供者。 另外:Dubbo采用...
相关文章
文章评论
共有0条评论来说两句吧...