Declarative Effects --- redux-saga

Posted xiaobin-hlj80

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Declarative Effects --- redux-saga相关的知识,希望对你有一定的参考价值。

声明式 Effects

在 redux-saga 的世界里,Sagas 都用 Generator 函数实现。我们从 Generator 里 yield 纯 javascript 对象以表达 Saga 逻辑。 我们称呼那些对象为 Effect。Effect 是一个简单的对象,这个对象包含了一些给 middleware 解释执行的信息。 你可以把 Effect 看作是发送给 middleware 的指令以执行某些操作(调用某些异步函数,发起一个 action 到 store,等等)。

你可以使用 redux-saga/effects 包里提供的函数来创建 Effect。

这一部分和接下来的部分,我们将介绍一些基础的 Effect。并见识到这些 Effect 概念是如何让 Sagas 很容易地被测试的。

Sagas 可以多种形式 yield Effect。最简单的方式是 yield 一个 Promise。

举个例子,假设我们有一个监听 PRODUCTS_REQUESTED action 的 Saga。每次匹配到 action,它会启动一个从服务器上获取产品列表的任务。

import { takeEvery } from ‘redux-saga/effects‘
import Api from ‘./path/to/api‘

function* watchFetchProducts() {
  yield takeEvery(‘PRODUCTS_REQUESTED‘, fetchProducts)
}

function* fetchProducts() {
  const products = yield Api.fetch(‘/products‘)
  console.log(products)
}

在上面的例子中,我们在 Generator 中直接调用了 Api.fetch(在 Generator 函数中,yield 右边的任何表达式都会被求值,结果会被 yield 给调用者)。

Api.fetch(‘/products‘) 触发了一个 AJAX 请求并返回一个 Promise,Promise 会 resolve 请求的响应, 这个 AJAX 请求将立即执行。看起来简单又地道,但...

假设我们想测试上面的 generator:

const iterator = fetchProducts()
assert.deepEqual(iterator.next().value, ??) // 我们期望得到什么?

我们想要检查 generator yield 的结果的第一个值。在我们的情况里,这个值是执行 Api.fetch(‘/products‘) 这个 Promise 的结果。 在测试过程中,执行真正的服务(real service)是一个既不可行也不实用的方法,所以我们必须 模拟(mock) Api.fetch 函数。 也就是说,我们需要将真实的函数替换为一个假的,这个假的函数并不会真的发送 AJAX 请求而只会检查是否用正确的参数调用了 Api.fetch(在我们的情况里,正确的参数是 ‘/products‘)。

模拟使测试更加困难和不可靠。另一方面,那些只简单地返回值的函数更加容易测试,因此我们可以使用简单的 equal() 来检查结果。 这是编写最可靠测试用例的方法。

不相信?我建议你阅读 Eric Elliott‘s article:

(...)equal(), by nature answers the two most important questions every unit test must answer, but most don’t:

  • What is the actual output?
  • What is the expected output?

If you finish a test without answering those two questions, you don’t have a real unit test. You have a sloppy, half-baked test.

实际上我们需要的只是保证 fetchProducts 任务 yield 一个调用正确的函数,并且函数有着正确的参数。

相比于在 Generator 中直接调用异步函数,我们可以仅仅 yield 一条描述函数调用的信息。也就是说,我们将简单地 yield 一个看起来像下面这样的对象:

// Effect -> 调用 Api.fetch 函数并传递 `./products` 作为参数
{
  CALL: {
    fn: Api.fetch,
    args: [‘./products‘]  
  }
}

换句话说,Generator 将会 yield 包含 指令 的文本对象(plain Objects),redux-saga middleware 将确保执行这些指令并将指令的结果回馈给 Generator。 这样的话,在测试 Generator 时,所有我们需要做的就是,将 yield 后的对象作一个简单的 deepEqual 来检查它是否 yield 了我们期望的指令。

出于这样的原因,redux-saga 提供了一个不一样的方式来执行异步调用。

import { call } from ‘redux-saga/effects‘

function* fetchProducts() {
  const products = yield call(Api.fetch, ‘/products‘)
  // ...
}

我们使用了 call(fn, ...args) 这个函数。与前面的例子不同的是,现在我们不立即执行异步调用,相反,call 创建了一条描述结果的信息。 就像在 Redux 里你使用 action 创建器,创建一个将被 Store 执行的、描述 action 的纯文本对象。 call 创建一个纯文本对象描述函数调用。redux-saga middleware 确保执行函数调用并在响应被 resolve 时恢复 generator。

这让你能容易地测试 Generator,就算它在 Redux 环境之外。因为 call 只是一个返回纯文本对象的函数而已。

import { call } from ‘redux-saga/effects‘
import Api from ‘...‘

const iterator = fetchProducts()

// expects a call instruction
assert.deepEqual(
  iterator.next().value,
  call(Api.fetch, ‘/products‘),
  "fetchProducts should yield an Effect call(Api.fetch, ‘./products‘)"
)

现在我们不需要模拟任何东西了,一个简单的相等测试就足够了。

这些 声明式调用(declarative calls) 的优势是,我们可以通过简单地遍历 Generator 并在 yield 后的成功的值上面做一个 deepEqual 测试, 就能测试 Saga 中所有的逻辑。这是一个真正的好处,因为复杂的异步操作都不再是黑盒,你可以详细地测试操作逻辑,不管它有多么复杂。

call 同样支持调用对象方法,你可以使用以下形式,为调用的函数提供一个 this 上下文:

yield call([obj, obj.method], arg1, arg2, ...) // 如同 obj.method(arg1, arg2 ...)

apply 提供了另外一种调用的方式:

yield apply(obj, obj.method, [arg1, arg2, ...])

call 和 apply 非常适合返回 Promise 结果的函数。另外一个函数 cps 可以用来处理 Node 风格的函数 (例如,fn(...args, callback) 中的 callback 是 (error, result) => () 这样的形式,cps 表示的是延续传递风格(Continuation Passing Style))。

举个例子:

import { cps } from ‘redux-saga‘

const content = yield cps(readFile, ‘/path/to/file‘)

当然你也可以像测试 call 一样测试它:

import { cps } from ‘redux-saga/effects‘

const iterator = fetchSaga()
assert.deepEqual(iterator.next().value, cps(readFile, ‘/path/to/file‘) )

cps 同 call 的方法调用形式是一样的。

完整列表的 declarative effects 可在这里找到: API reference

以上是关于Declarative Effects --- redux-saga的主要内容,如果未能解决你的问题,请参考以下文章

R语言使用lm函数拟合多元线性回归模型假定预测变量之间有交互作用R语言使用effects包的effect函数查看交互作用对于回归模型预测响应变量的影响

在 R 版本 3.4.4 中使用 R 包“效果”

R语言使用aov函数进行单因素协方差分析(One-way ANCOVA)使用effects包中的effect函数来计算调整后的分组均值(calculate adjusted means)

R语言DALEX包的model_profile函数对h2o包生成的多个算法模型的连续变量进行分析使用Acumulated Local Effects (ALE)方法解释某个连续特征和目标值y的关系

Unity Shaders and Effects Cookbook (2-4) 压缩和混合纹理贴图:使用灰度图存储插值信息

R 中 brms 条件效应的平均结果