单页应用的数据流方案探索

Posted 2021-05-01 前端之巅

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了单页应用的数据流方案探索相关的知识，希望对你有一定的参考价值。

作者｜徐飞

4月18日，在QCon北京2017大会现场，来自蚂蚁金服高级前端开发专家徐飞分享了主题为《单页应用的数据流方案探索》的演讲。获取QCon北京2017相关PPT，请关注前端之巅公众号并发送“QCon2017”。

大家好，现在是2017年4月。过去的3年里，前端开发领域可谓风起云涌，革故鼎新。除了开发语言的语法增强和工具体系的提升之外，大部分人开始习惯几件事：

组件化
MDV（Model Driven View）

所谓组件化，很容易理解，把视图按照功能，切分为若干基本单元，所得的东西就可以称为组件，而组件又可以一级一级组合而成复合组件，从而在整个应用的规模上，形成一棵倒置的组件树。这种方法论历史久远，其实现方式或有瑜亮，理念则大同小异。

而MDV，则是对很多低级DOM操作的简化，把对DOM的手动修改屏蔽了，通过从数据到视图的一个映射关系，达到了只要操作数据，就能改变视图的效果。

Model-Driven-View

给定一个数据模型，可以得到对应的的视图，这一过程可以表达为：

V = f(M)

其中的f就是从Model到View的映射关系，在不同的框架中，实现方式有差异，整体理念则是类似的。

当数据模型产生变化的时候，其对应的视图也会随之变化：

V + ΔV = f(M + ΔM)

另外一个方面，如果从变更的角度去解读Model，数据模型不是无缘无故变化的，它是由某个操作引起的，我们也可以得出另外一个表达式：

ΔM = perform(action)

把每次的变更综合起来，可以得到对整个应用状态的表达：

state := actions.reduce(reducer, initState)

这个表达式的含义是：在初始状态上，依次叠加后续的变更，所得的就是当前状态。这就是当前最流行的数据流方案Redux的核心理念。

从整体来说，使用Redux，相当于把整个应用都实现为命令模式，一切变动都由命令驱动。

Reactive Programming 库简介

在传统的编程实践中，我们可以：

复用一种数据
复用一个函数
复用一组数据和函数的集合

但是，很难做到：提供一种会持续变化的数据让其他模块复用。

而一些基于Reactive Programming的库可以提供一种能力，把数据包装成可持续变更、可观测的类型，供后续使用，这种库包括：RxJS，xstream，most.js等等。

对数据的包装过程类似如下：

const a$ = xs.of(1)
const arr$ = xs.from([1, 2, 3])
const interval$ = xs.periodic(1000)

这段代码中的a$、arr$、interval$都是一种可观测的数据包装，如果对它们进行订阅，就可以收到所有产生的变更。

interval$.subscribe(console.log)

我们可以把这种封装结构视为数据管道，在这种管道上，可以添加统一的处理规则，这种规则会作用在管道中的每个数据上，并且形成新的管道：

const interval$ = xs.periodic(1000)
const result$ = interval$
  .filter(num => num % 3)
  .map(num => num * 2)

管道可被连续拼接，并形成新的管道。

需要注意的是：

管道是懒执行的。一个拼接起来的数据管道，只有最末端被订阅的时候，附加在管道上的所有逻辑才会被执行。
一般情况下，管道的执行过程可以被共享，比如b$和c$两个管道，都从a$变形得出，它们就共享了a$之前的所有执行过程。

也可以把多个管道组合在一起形成新的管道：

const priv$ = xs.combine(user$, article$)
  .map(arr => {
    const [user, article] = arr
    return user.isAdmin || article.creator === user.id
  })

从这个关系中可以看出，当user$或task$中的数据发生变更的时候，priv$都会自动计算出最新结果。

在业务开发的过程中，可以使用数据流的理念，把很多东西提高一个抽象等级：

const data$ = xs.fromPromise(service(params))
  .map(data => ({ loading: false, data }))
  .replaceError(error => xs.of({ loading: false, error }))
  .startWith({
    loading: true,
    error: null,
  })

比如上面这个例子，统一处理了一个普通请求过程中的三种状态：请求前、成功、异常，并且把它们的数据：loading、正常数据、异常数据都统一成一种，视图直接订阅处理就行了。

高度抽象的数据来源

很多时候，我们进行业务开发，都是在一种比较低层次的抽象维度上，在低层抽象上，存在着太多的冗余过程。如果能够对数据的来源和去向做一些归纳会怎样呢？

比如说，从实体的角度，很可能一份数据初始状态有多个来源：

应用的默认配置
HTTP请求
本地存储
...等等

也很可能有多个事件都是在修改同一个东西：

用户从视图发起的操作
来自WebSocket的推送消息
来自Worker的处理消息
来自其它窗体的postMessage调用
等等……

如果不做归纳，可能会写出包含以上各种东西的逻辑组合。若干个类似的操作，在过滤掉额外信息之后，可能都是一样的。从应用状态的角度，我们不会需要关心一个数据究竟是从哪里来的，也不会需要关心是通过什么东西发起的修改。

用传统的Redux写法，可能会提取出一些公共方法：

const changeTodo = todo => {
  dispatch({type: 'updateTodo', payload: todo})
}

const changefromDOMEvent = () => {
  const todo = formState
  changeTodo(todo)
}

const changefromWebSocket = () => {
  const todo = fromWS
  changeTodo(todo)
}

基于方法调用的逻辑不能很好地展示一份数据的生命周期，它可能有哪些来源？可能被什么修改？它是经过几千年怎样的辛苦修炼之后才能够化成人形，跟你坐在一张桌子上喝咖啡？

我们可以借助RxJS或者xstream这样的库，以数据管道的理念，把这些东西更加直观地组织在一起：

初始状态来源

const fromInitState$ = xs.of(todo)
const fromLocalStorage$ = xs.of(getTodoFromLS())

// initState
const init$ = xs
  .merge(
    fromInitState$,
    fromLocalStorage$
  )
  .filter(todo => !todo)
  .startWith({})

数据变更过程的统一

const changeFromHTTP$ = xs.fromPromise(getTodo())
  .map(result => result.data)
const changeFromDOMEvent$ = xs
  .fromEvent($('.btn', 'click'))
  .map(evt => evt.data)
const changeFromWebSocket$ = xs
  .fromEvent(ws, 'message')
  .map(evt => evt.data)

// 合并所有变更来源
const changes$ = xs
  .merge(
    changeFromHTTP$,
    changeFromDOMEvent$,
    changeFromWebSocket$
  )

在这样的机制里，我们可以很清楚地看到一块数据的来龙去脉，它最初是哪里来的，后来可能会被谁修改过。所有这样的数据都放置在管道中，除了指定的入口，不会有其他东西能够修改这些数据，视图可以很安全地订阅他们。

基于Reactive理念的这些数据流库，一般是没有针对业务开发的强约束的，也以直接订阅并设置组件状态，也可以拿它按照Redux的理念来使用，丰俭由人。

简单的使用

changes$.subscribe(({ payload }) => {
  xxx.setState({ todo: payload })
})

类似Redux的使用方式

const updateActions$ = changes$
  .map(todo => ({type: 'updateTodo', payload: todo}))

const todo$ = changeActions$
  .fold((state, action) => {
    const { payload } = action
    return {...state, ...payload}
  }, initState)

组件与外置状态

我们前面提到，组件树是一个树形结构。理想中的组件化，是所有视图状态全部内置在组件中，一级一级传递。只有这样，才能达到组件的最佳可复用状态，并且，组件可以放心把自己该做的事情都做了。

但事实上，组件树的层级可能很多，这会导致传递层级很多，很繁琐，而且，存在一个经典问题，那就是兄弟组件，或者是位于组件树的不同树枝上的组件之间的通信很麻烦，必须通过共同的最近的祖先节点去转发。

像Redux这样的机制，把状态的持有和更新外置，然后通过connect这样的方法，去把特定组件所需的外部状态从props设置进去，但它不仅仅是一个转发器。

我们可以看到如下事实：

转发器在组件树之外
部分数据在组件树之外
对这部分数据的修改过程在组件树之外
修改完数据之后，通知组件树更新

所以：

组件可以通过中转器修改其他组件的状态
组件可以通过中转器修改自身的状态
组件可以通过中转器修改全局的其他状态

这样看来，可以通过中转器修改应用中的一切状态。那么，如果所有状态都可以通过中转器修改，是否意味着都应当通过它修改？

这个问题很大程度上等价于：

组件是否应当拥有自己的内部状态？

我们可能会有如下的选择：

一切状态外置，组件不管理自己状态
部分内置，由组件自己管理，另外一些由全局Store管理

这两种方式，在传统软件开发领域分别称为贫血组件、充血组件，它们的差别是：组件究竟是纯展示，还是带一些逻辑。

也可以拿蚁群和人群来形容这两种组件实践。单个蚂蚁的智能程度很低，但它可以接受蚁王的指令去做某些事情，所有的麻烦事情都集中在上层，决策层的事务非常繁琐。而人类则不同，每个人都有自己的思考和执行能力，一个管理有序的体系中，管理者只需决定他和自己直接下属所需要做的事情就可以了。

在React体系中，纯展示组件可被简化为这样的形式：

const ComponentA = (props) => {
  return (<div>{props.data}</div>)
}

显而易见，这种组件的优势在于它的展示结果只跟输入数据有关，所有状态外置，因此，在热替换等方面，可以做到极致。

然而，一旦这个组件复杂起来，自带交互，可能就需要在事件、生命周期上做文章，免不了会需要一些中间状态来表达组件自身的形态。

我们当然可以把这种状态也外置，但这么做有几个问题：

这样的状态只跟某组件自己有关，放出去到全局Store，会增加Store的不必要的复杂度
组件的自身形态状态被外置，将导致组件与状态的距离变远，从而对这些状态的读写变得比原先繁琐
带交互的组件，无法独立、完整地描述自身的行为，必须借助外部管理器

如果是一种单独提供的组件库，比如像Ant Design这样的，却要依赖一个外部的状态管理器，这是很不合适的，它会导致组件库带有倾向性，从而对使用者造成困扰。

总的来说，状态全外置，组件退化为贫血组件这种实践，可以得到不少好处，但代价是比较大的。

在这篇文章中，Redux的作者Dan Abramov提到：

Local State is Fine.

因此，我们就可能会面临一个尴尬的状况，在大部分实践中：

一个组件的状态，可能一半在组件内管理，一半在全局的Store里

以React为例，大致是这样一个状况：

constructor(props) {
  super(props)  
  this.state = { b: 1 }
}

render(props) {
  const a = this.state.b + props.c;
  return (<div>{a}</div>)
}

我们看到，在render里面，需要合并state和props的数据，但是在这里做这个事情，是破坏了render函数的纯洁性的。可是，除了这里，别的地方也不太适合做这种合并，怎么办呢？

所以，我们需要一种机制，能够把本地状态和props在render之外统一起来，这可能就是很多实践者倾向于把本地状态也外置的最重要原因。

在React + Redux的实践中，通常会使用connect对视图组件包装一层，变成一种叫做容器组件的东西，这个connect所做的事情就是把全局状态映射到组件的props中。

那么，考虑如下代码：

const mapStateToProps = (state: { a }) => {
  return { a }
}

// const localState = { b: 1 }
// const mapLocalStateToProps = localState => localState

const ComponentA = (props) => {
  const { a, b } = props
  const c = a + b
  return (<div>{ c }</div>)
}

return connect(mapStateToProps/*, mapLocalStateToProps*/)(ComponentA)

我们是否可以把一个组件的内部状态外置到被注释掉的这个位置，然后也connect进来呢？这段代码其实是不起作用的，因为对localState的改变不会被检测到，所以组件不会刷新。

我们先探索这种模式是否可行，然后再来考虑实现的问题。

MVI架构

在这篇文章中，我们可以看到一组理念：

一切都是事件源
使用Reactive的理念构建程序的骨架
使用sink来定义应用的逻辑
使用driver来隔离有副作用的行为（网络请求、DOM渲染）

基于这套理念，编写代码的方式可以变得很简洁流畅：

从driver中获取action
把action映射成数据流
处理数据流，并且渲染成界面
从界面的事件中，派发action去进行后续事项的处理

在CycleJS的理念中，这种模式叫做MVI（Model View Intent）。在这套理念中，我们的应用可以分为三个部分：

Intent，负责从外部的输入中，提取出所需信息
Model，负责从Intent生成视图展示所需的数据
View，负责根据视图数据渲染视图

整体结构可以这样描述：

App := View(Model(Intent({ DOM, Http, WebSocket })))

对比Redux这样的机制，它的差异在于：

Intent实际上做的是action执行过程的高级抽象，提取了必要的信息
Model做的是reducer的事情，把action的信息转换之后合并为状态对象
View跟其他框架没什么区别，从状态对象渲染成视图。

此外，在CycleJS中，View是纯展示，连事件监听也不做，这部分监听的工作放在Intent中去做。

const model = (a$, b$) => {
  return xs.combine(a$, b$)
}

const view = (state$) => {
  return state$.map(({ a, b }) => {
    const c = a + b;
    return h2('c is ' + c)
  })
}

我们可以从中发掘这么一些东西：

View还是纯渲染，接受的唯一参数就是一个表达视图状态的数据流
Model的返回结果就是上面那个流，不分内外状态，全部合并起来
Model所合并的东西的来源，是从Intent中来的

对我们来说，这里面最大关键在于：所有东西的输入输出都是数据流，甚至连视图接受的参数、还有它的渲染结果也是一个流！奥秘就在这里。

因此，我们只需在把待传入视图的props与视图的state以流的方式合并，直接把合并之后的流的结果传入视图组件，就能达到我们在上一节中提出的需求。

组件化与分形

我们之前提到过一点，在一个应用中，组件是形成倒置的树形结构的。当组件树上的某一块越来越复杂，我们就把它再拆开，延伸出新的树枝和叶子，这个过程，与有异曲同工之妙。

然而，因为全局状态和本地状态的分离，导致每一次分形，我们都要兼顾本组件、下级组件、全局状态、本地状态，在它们之间作一些权衡，这是一个很麻烦的过程。在React的主流实践中，一般可以利用connect这样的高阶函数，把全局状态映射进组件的props，转化为本地状态。

上一节提及的MVI结构，不仅仅能够描述一个应用的执行过程，还可以单独描述一个组件的执行过程。

Component := View(Model(Intent({ DOM, Http, WebSocket })))

所以，从整体来理解我们的应用，就是这样一个关系：

单页应用的数据流方案探索

这样一直分形下去，每一级组件都可以拥有自己的View、Model、Intent。

状态的变更过程

在模型驱动视图这个理念下，视图始终会是调用链的最后一段，它的职责就是消费已经计算好的数据，渲染出来。所以，从这个角度看，我们的重点工作在于怎么管理状态，包括结构的定义和变更的流转过程。

Redux提供了对状态定义和变更过程的管理思路，但有不少值得探讨的地方。

基于标准Flux／Redux的实践有一个共同点：繁琐。产生这种繁琐的最主要原因是，它们都是以自定义事件为核心的，自定义事件本身就是繁琐的。由于收发事件通常位于两个以上不相同的模块中，不得不以封装的事件对象为通信载体，并且必须显式定义事件的key，否则接收方无法指定自己的响应。

一旦整个应用都是以此为基石，其中的繁琐程度可想而知，所以社区会存在一些简化action创建，或者通过约定来减少action收发中间环节的Redux周边。

如果不从根本上对事件这种机制进行抽象，就不可能彻底解决繁琐的问题，基于Reactive理念的这几个库天然就是为了处理对事件机制的抽象而出现的，所以用在这种场景下有奇效，能把action的派发与处理过程描述得优雅精妙。

const updateActions$ = changes$
  .map(todo => ({type: 'updateTodo', payload: todo}))

const todo$ = updateActions$
  .fold((state, action) => {
    const { payload } = action
    return {...state, ...payload}
  }, initState)

注意一个问题，既然我们之前得到一种思路，把全局状态和本地状态分开，然后合并注入组件，就需要考虑这样的问题：如何管理本地状态和全局状态，使用相同的方式去管理吗？

在Redux体系中，我们在修改全局状态的时候，使用指定的action去修改状态，原因是要区分那个哪个action修改state的什么部分，怎样修改。但是考虑本地状态的情况，它反映的只是组件内部的数据变化，一般而言，其结构复杂程度远远低于全局状态，继续采用这种方式的话并不划算。

Redux这类东西出现的初衷只是为了提供一种单向数据流的思路，防止状态修改的混乱。但是在基于数据管道的这些库中，数据天然就是单向流动的。在刚才那段代码里，其实action的type是没有意义的，一直就没有用到。

实际上，这个代码中的updateActions$自身就表达了updateTodo的含义，而它后续的fold操作，实际上就是直接在reduce。理解了这一点之后，我们就可以写出反映若干种数据变更的合集了，这个时候，可以根据不同的action去选择不同的reducer操作：

// 我们可以先把这些action全部merge之后再fold，跟Redux的理念类似
const actions = xs.merge(
  addActions$,
  updateActions$,
  deleteActions$
)

const localState$ = actions.fold((state, action) => {
  switch(action.type) {
    case 'addTodo':
      return addTodo(state, action)
    case 'updateTodo':
      return updateTodo(state, action)
    case 'deleteTodo':
      return deleteTodo(state, action)
  }
}, initState)

我们注意到，这里是把所有action全部merge了之后再fold的，这是符合Redux方式的做法。有没有可能各自fold之后再merge呢？

其实是有可能的，我们只要能够确保action导致的reducer粒度足够小，比如只修改state的同一个部分，是可以按照这种维度去组织action的。

const a$ = actionsA$.fold(reducerA, initA)
const b$ = actionsB$.fold(reducerB, initB)
const c$ = actionsC$.fold(reducerC, initC)

const state$ = xs.combine(a$, b$, c$)
  .map(([a, b, c]) => ({a, b, c}))

如果我们一个组件的内部状态足够简单，甚至连action的类型都可以不需要，直接从操作映射到状态结果。

const state$ = xs.fromEvent($('.btn'), click)
  .map(e => e.data)

这样，我们可以在组件内运行这种简化版的Redux机制，而在全局状态上运行比较完善的。这两种都是基于数据管道的，然后在容器组件中可以把它们合并，传入视图组件。

整个流程如图所示：

单页应用的数据流方案探索

状态的分组与管理

基于redux-saga的封装库dva提供了一种分类机制，可以把一类业务的东西进行分组：

export const project = {
  namespace: 'project',
  state: {},
  reducers: {},
  effects: {},
  subscriptions: {}
}

从这个结构可以看出，这个在dva中被称为model的东西，定义了：

它是面向的什么业务模型
需要在全局存储什么样的数据结构
经过哪些操作去变更数据

面向同一种业务实体的数据结构、业务逻辑可以组织到一起，这样，对业务代码的维护是比较有利的。对一个大型应用来说，可以根据业务来划分model。Vue技术栈的Vuex也是用类似的结构来进行业务归类的，它们都是受elm的启发而创建，因此会有类似结构。

回想到上一节，我们提到，如果若干个reducer修改的是state的不同位置，可以分别收敛之后，再进行合并。如果我们把状态结构按照上面这种业务模型的方式进行管理，就可以采用这种机制来分别收敛。这样，单个model内部就形成了一个闭环，能够比较清晰的描述自身所代表的业务含义，也便于做测试等等。

MobX的Store就是类似这样的一个组织形式：

class TodoStore {
  authorStore

  @observable todos = []
  @observable isLoading = true

  constructor(authorStore) {
    this.authorStore = authorStore
    this.loadTodos()
  }

  loadTodos() {}
  updateTodoFromServer(json) {}
  createTodo() {}
  removeTodo(todo) {}
}

依照之前的思路，我们所谓的model其实就是一个合并之后生成state结构的数据管道，因为我们的管道是可以组合的，所以没有特别的必要去按照上面那种结构定义。

那么，在整个应用的最上层，是否还有必要去做combineReducer这种操作呢？

我们之前提到一个表达式：

View = f(Model)

整个React-Redux体系，都是倾向于让使用者尽可能去从整体的角度关注变化，比如说，Redux的输入输出结果是整个应用变更前后的完整状态，React接受的是整个组件的完整状态，然后，内部再去做diff。

我们需要注意到，为什么不是直接把Redux接在React上，而是通过一个叫做react-redux的库呢？因为它需要借助这个库，去从整体的state结构上检出变化的部分，拿给对应的组件去重绘。

所以，我们发现如下事实：

在触发reducer的时候，我们是精确知道要修改state的什么位置的
合并完reducer之后，输出结果是个完整state对象，已经不知道state的什么位置被修改过了
视图组件必须精确地拿到变更的部分，才能排除无效的渲染

整个过程，是经历了变更信息的拥有——丢失——重新拥有过程的。如果我们的数据流是按照业务模型去分别建立的，我们可以不需要去做这个全合并的操作，而是根据需要，选择合并其中一部分去进行运算。

这样的话，整个变更过程都是精确的，减少了不必要的diff和缓存。

如果为了使用redux-tool的话，可以全部合并起来，往redux-tool里面写入每次的全局状态变更信息，供调试使用，而因为数据管道是懒执行的，我们可以做到开发阶段订阅整个state，而运行时不订阅，以减少不必要的合并开销。

Model的结构

我们从宏观上对业务模型作了分类的组织，接下来就需要关注每种业务模型的数据管道上，数据格式应当如何管理了。

在Redux，Vuex这样的实践中，很多人都会有这样的纠结：

在store中，应当以什么样的形式存放数据？

通常，会有两种选择：

打平了的数据，尽可能以id这样的key去索引
贴近视图的数据，比如树形结构

前者有利于查询和更新，而后者能够直接给视图使用。我们需要思考一个问题：

将处理过后的视图状态存放在store中是否合理？

我认为不应当存太偏向视图结构的数据，理由如下：

某一种业务数据，很可能被不同的视图使用，它们的结构未必一致，如果按照视图的格式存储，就要在store中存放不同形式的多份，它们之间的同步是个大问题，也会导致store严重膨胀，随着应用规模的扩大，这个问题更加严重。

既然这样，那就要解决从这种数据到视图所需数据的关联关系，这个处理过程放在哪里合适呢？

在Redux和Vuex中，为了数据的变更受控，应当在reducer或者mutation中去做状态变更，但这两者修改的又是store，这又绕回去了：为了视图渲染方便而计算出来的数据，如果在reducer或者mutation中做，还是得放在store里。

所以，就有了一个结论：从原始数据到视图数据的处理过程不应当放在reducer或mutation中，那很显然就应当放在视图组件的内部去做。

我们理一下这个关系：

[ View <-- VM ] <-- State
  ↓                   ↑
Action     -->     Reducer

这个图中，方括号的部分是视图组件，它内部包含了从原始state到view所需数据的变动，以React为例，用代码表示：

render(props) {
  const { flatternData } = props
    const viewData = formatData(flatternData)
    // ...render viewData
}

经过这样的拆分之后，store中的结构更加简单清晰，reducer的职责也更少了，视图有更大的自主权，去从原始数据组装成自己要的样子。

在大型业务开发的过程中，store的结构应当尽早稳定无争议，避免因为视图的变化而不停调整，因此，存放相对原始一些的数据是更合理的，这样也会避免视图组件在理解数据上的歧义。多个视图很可能以不同的业务含义去看待状态树上的同一个分支，这会造成很多麻烦。

我们期望在store中存储更偏向于更扁平化的原始数据。即使是对于从后端返回的层级数据，也可以借助normalizr这样的辅助库去展开。

展开前：

[{
  id: 1,
  title: 'Some Article',
  author: {
    id: 1,
    name: 'Dan'
  }
}, {
  id: 2,
  title: 'Other Article',
  author: {
    id: 1,
    name: 'Dan'
  }
}]

展开后：

{
  result: [1, 2],
  entities: {
    articles: {
      1: {
        id: 1,
        title: 'Some Article',
        author: 1
      },
      2: {
        id: 2,
        title: 'Other Article',
        author: 1
      }
    },
    users: {
      1: {
        id: 1,
        name: 'Dan'
      }
    }
  }
}

很明显，这样的结构对我们的后续操作是比较便利的。因为我们手里有数据管道这样的利器，所以不担心数据是比较原始的、离散的，因为对它们作聚合处理是比较容易的，所以可以放心地把这些数据打成比较原始的形态。

前端的数据建模

之前我们提到过store里面存放的是扁平化的原始数据，但是需要注意到，同样是扁平化，可能有像map那样基于id作索引的，也可能有基于数组形式存放的，很多时候，我们是两种都要的。

在更复杂的情况下，还会需要有对象关系的关联，一对一，一对多，多对多，这就导致视图在需要使用store中的数据进行组合的时候，不管是store的结构定义还是组合操作都比较麻烦。

如果前端是单一业务模型，那我们按照前一节的方案，已经可以做到当数据变更的时候，把当前状态推送给订阅它的组件，但实际情况下，都会比这个复杂，业务模型之间会存在关联关系，在一个模型变更的时候，可能需要自动触发所关联到的模型的更新。

如果复杂度较低，我们可以手动处理这种关联，如果联动关系非常复杂，可以考虑对数据按照实体、关系进行建模，甚至加入一个迷你版的类似ORM的库来定义这种关系。

举例来说：

组织可以有下层组织
组织下可以有人员
组织和人员是一对多的关系

如果一个数据流订阅了某个组织的基本信息，它可能只反映这个组织自身实体上的变更，而另外一个数据流订阅了该组织的全部信息，用于形成一个实时更新的组织全视图，则需要聚合该组织和可能的下级组织、人员的变动汇总。

上层视图可以根据自己的需要，选择从不同的数据流订阅不同复杂度的信息。在这种情况下，可以把整个ORM模块整体视为一个外部的数据源。

整个流程如下：

单页应用的数据流方案探索

这里面有几个需要注意的地方：

一个action实际上还是对应到一个reducer，然后发起对state的更改，但因为state已经不是简单结构了，所以我们不能直接改，而是通过这层类似ORM的关系去改。
对ORM的一次修改，可能会产生对state的若干处改动，比如说，改了一个数据，可能会推导出业务上与之有关系的一块关联数据的变更。
如果是基于react-redux这样基于diff的机制，同时修改state的多个位置是可以的，但在我们这套机制里，因为没有了先合并修改再diff的过程，所以很可能多个位置的修改需要通过ORM的关联，延伸出不同的管道来。
视图订阅的state变更，只能组合运算，不应当再干别的事情了。

在这么一种体系下，实际上前端存在着一个类似数据库的机制，我们可以把每种数据的变动原子化，一次提交只更新单一类型的实体。这样，我们相当于在前端部分做了一个读写分离，读取的部分是被实时更新的，可以包含一种类似游标的机制，供视图组件订阅。

下面是Redux-ORM的简单示例，是不是很像在操作数据库？

class Todo extends Model {}
Todo.modelName = 'Todo';
Todo.fields = {
  user: fk('User', 'todos'),
  tags: many('Tag', 'todos'),
};

class Tag extends Model {}
Tag.modelName = 'Tag';
Tag.backend = {
  idAttribute: 'name';
};

class User extends Model {}
User.modelName = 'User';

小结

文章最开始，我们提到最理想的组件化开发方式是依托组件树的结构，每个组件完成自己内部事务的处理。当组件之间出现通信需求的时候，不得不借助于Redux之类的库来做转发。

但是Redux的理念，又不仅仅是只定位于做转发，它更是期望能管理整个应用的状态，这反过来对组件的实现，甚至应用的整体架构造成了较大的影响。

我们仍然会期望有一种机制，能够像分形那样进行开发，但又希望能够避免状态管理的混乱，因此，MVI这样的模式某种程度上能够满足这种需求，并且达到逻辑上的自洽。

如果以MVI的理念来进行开发，它的一个组件其实是：数据模型、动作、视图三者的集合，这么一个MVI组件相当于React-Redux体系中，connect了store之后的高阶组件。

因此，我们只需把传统的组件作一些处理：

视图隔离，纯化为展示组件
内部状态的定义清晰化
描述出内部状态的来源关系：state := actions.reduce(reducer, initState)
将内部的动作以action的方式输出到上面那个表达式关系中

这样，组件就是自洽的一个东西，它不关注外面是不是Redux，有没有全局的store，每个组件自己内部运行着一个类似Redux的东西，这样的一个组件可以更加容易与其他组件进行配合。

与Redux相比，这套机制的特点是：

不需要显式定义整个应用的state结构
全局状态和本地状态可以良好地统一起来
可以存在非显式的action，并且action可以不集中解析，而是分散执行
可以存在非显式的reducer，它附着在数据管道的运算中
异步操作先映射为数据，然后通过单向联动关系组合计算出视图状态

回顾整个操作过程：

数据的写入部分，都是通过类似Redux的action去做
数据的读取部分，都是通过数据管道的组合订阅去做

借助RxJS或者xstream这样的数据管道的理念，我们可以直观地表达出数据的整个变更过程，也可以把多个数据流进行便捷的组合。如果使用Redux，正常情况下，需要引入至少一种异步中间件，而RxJS因为自身就是为处理异步操作而设计的，所以，只需用它控制好从异步操作到同步的收敛，就可以达到Redux一样的数据单向流动。如果想要在数据管道中接入一段承担中间件职责的东西，也是非常容易的。

而RxJS、xstream所提供的数据流组合功能非常强大，天然提供了一切异步操作的统一抽象，这一点是其他异步方案很难相比的。

所以，这些库，因为拥有下面这些特性，很适合做数据流控制：