精读《React Hooks 数据流》

转载自:https://zhuanlan.zhihu.com/p/126476910

1 引言

React Hooks 渐渐被国内前端团队所接受,但基于 Hooks 的数据流方案却还未固定,我们有 “100 种” 类似的选择,却各有利弊,让人难以取舍。

本周笔者就深入谈一谈对 Hooks 数据流的理解,相信读完文章后,可以从百花齐放的 Hooks 数据流方案中看到本质。

2 精读

基于 React Hooks 谈数据流,我们先从最不容易产生分歧的基础方案说起。

单组件数据流

单组件最简单的数据流一定是 useState

function App() {
  const [count, setCount] = useState();
}

useState 在组件内用是毫无争议的,那么下个话题就一定是跨组件共享数据流了。

组件间共享数据流

跨组件最简单的方案就是 useContext

const CountContext = createContext();

function App() {
  const [count, setCount] = useState();
  return (
    <CountContext.Provider value={{ count, setCount }}>
      <Child />
    </CountContext.Provider>
  );
}

function Child() {
  const { count } = useContext(CountContext);
}

用法都是官方 API,显然也是毫无争议的,但问题是数据与 UI 不解耦,这个问题 unstated-nextarrow-up-right 已经为你想好解决方案了。

数据流与组件解耦

unstated-nextarrow-up-right 可以帮你把上面例子中,定义在 App 中的数据单独出来,形成一个自定义数据管理 Hook:

数据与 App 就解耦了,这下 Counter 再也不和 App 绑定了,Counter 可以和其他组件绑定作用了。

这个时候性能问题就慢慢浮出了水面,首当其冲的就是 useState 无法合并更新的问题,我们自然想到利用 useReducer 解决。

合并更新

useReducer 可以让数据合并更新,这也是 React 官方 API,毫无争议:

这下即便要同时更新 countfoo,我们也能通过抽象成一个 reducer 的方式合并更新。

然而还有性能问题:

更新 foo 时,ChildCountChildFoo 同时会执行,但 ChildCount 没用到 foo 呀?这个原因是 Counter.useContainer 提供的数据流是一个引用整体,其子节点 foo 引用变化后会导致整个 Hook 重新执行,继而所有引用它的组件也会重新渲染。

此时我们发现可以利用 Redux useSelector 实现按需更新。

按需更新

首先我们利用 Redux 对数据流做一次改造:

useSelector 可以让 Childcount 变化时才更新,而 foo 变化时不更新,这已经接近较为理想的性能目标了。

useSelector 的作用仅仅是计算结果不变化时阻止组件刷新,但并不能保证返回结果的引用不变化。

防止数据引用频繁变化

对于上面的场景,拿到 count 的引用是不变的,但对于其他场景就不一定了

举个例子:

假设 user 对象在每次数据流更新引用都会发生变化,那么 shallowEqual 自然是不起作用,那我们换成 deepEqual深对比呢?结果是引用依然会变,只是重渲染不那么频繁了:

是不是觉得在 deepEqual 的作用下,没有触发重渲染,user 的引用就不会变呢?答案是会变,因为 user 对象在每次数据流更新都会变,useSelectordeepEqual 作用下没有触发重渲染,但因为全局 reducer 隐去组件自己的重渲染依然会重新执行此函数,此时拿到的 user 引用会不断变化。

因此 useSelector deepEqual 一定要和 useDeepMemo 结合使用,才能保证 user 引用不会频繁改变:

当然这是比较极端的情况,只要看到 deepEqualuseSelector 同时作用了,就要问问自己其返回的值的引用会不会发生意外变化。

缓存查询函数

对于极限场景,即便控制了重渲染次数与返回结果的引用最大程度不变,还是可能存在性能问题,这最后一块性能问题就处在查询函数上。

上面的例子中,查询函数比较简单,但如果查询函数非常复杂就不一样了:

我们假设 verySlowFunction 要遍历画布中 1000 个组件的 n 3 次方次,那组件的重渲染时间消耗与查询时间相比完全不值一提,我们需要考虑缓存查询函数。

一种方式是利用 reselectarrow-up-right 根据参数引用进行缓存。

想象一下,如果 state.user 的引用不频繁变化,但 verySlowFunction 非常慢,理想情况是 state.user 引用变化后才重新执行 verySlowFunction,但上面的例子中,useSelector 并不知道还能这么优化,只能傻傻的每次渲染重复执行 verySlowFunction,哪怕 state.user 没有变。

此时我们要告诉引用,state.user 是否变化才是重新执行的关键:

在上面的例子中,通过 createSelector 创建的 userSelector 会一层层进行缓存,当第一个参数返回的 state.user 引用不变时,会直接返回上一次执行结果,直到其应用变化了才会继续往下执行。

这也说明了函数式保持幂等的重要性,如果 verySlowFunction 不是严格幂等的,这种缓存也无法实施。

看上去很美好,然而实战中你可能发现没有那么美好,因为上面的例子都建立在 Selector 完全不依赖外部变量

结合外部变量的缓存查询

如果我们要查询的用户来自于不同地区,需要传递 areaId 加以识别,那么可以拆分为两个 Selector 函数:

所以为了不在组件函数内调用 createSelector,我们需要尽可能将用到外部变量的地方抽象成一个通用 Selector,并作为 createSelector 的一个先手环节。

userSelector 提供给多个组件使用时缓存会失效,原因是我们只创建了一个 Selector 实例,因此这个函数还需要再包装一层高阶形态:

所以对于外部变量结合的环节,还需要 useMemouseSelector 结合使用,useMemo 处理外部变量依赖的引用缓存,useSelector 处理 Store 相关引用缓存。

3 总结

基于 Hooks 的数据流方案不能算完美,我在写作这篇文章时就感觉到这种方案属于 “浅入深出”,简单场景还容易理解,随着场景逐步复杂,方案也变得越来越复杂。

但这种 Immutable 的数据流管理思路给了开发者非常自由的缓存控制能力,只要透彻理解上述概念,就可以开发出非常 “符合预期” 的数据缓存管理模型,只要精心维护,一切就变得非常有秩序。

讨论地址是:精读《React Hooks 数据流》 · Issue #242 · dt-fe/weeklyarrow-up-right

如果你想参与讨论,请 点击这里arrow-up-right,每周都有新的主题,周末或周一发布。前端精读 - 帮你筛选靠谱的内容。

关注 前端精读微信公众号

http://weixin.qq.com/r/cy9NVWLE5T_arSY293pharrow-up-right (二维码自动识别)

版权声明:自由转载-非商用-非衍生-保持署名(创意共享 3.0 许可证arrow-up-right

最后更新于