react-query v5(中文)

Important Defaults

TanStack Query 有一些开箱即用的默认配置,具体如下:

1. 通过useQueryuseInfiniteQuery的查询实例获取的数据,不再默认是缓存数据。(每次都重新发起请求获取数据)

若要修改,可以使用staleTime选项配置全局查询或单个查询。配置更长的staleTime意味着查询不会经常重新获取数据。

2. 在以下几种情况下,旧的查询会在后台重新获取:

  • 重新挂载查询实例
  • 浏览器窗口被重新聚焦(focus)
  • 网络重新连接
  • 该查询配置了一个重新获取的间隔时间(refetch interval)

若要修改,可以使用refetchOnMount, refetchOnWindowFocus, refetchOnReconnectrefetchInterval

3. 没有活动的useQueryuseInfiniteQuery或 query observers 的查询结果,会被标记为“非活动”,并保留在缓存中,以防以后再次使用它们。

4. 默认情况下,“非活动”查询在5分钟后被垃圾回收。

若要修改,可以将查询的默认gcTime更改为1000 * 60 * 5毫秒以外的值。

5. 失败的查询会被静默地重试3次,在捕获并向UI显示错误之前会有指数级的回退延迟。

若要修改,可以将查询的retryretryDelay选项更改为3以外的值和默认指数回退函数

6. 默认情况下,查询结果在结构上是共享的,以检测数据是否实际发生了变化,若没有,则数据引用保持不变,以更好地帮助实现关于useMemouseCallback的值稳定。这个概念听起来很陌生,但是不要担心!99.9%的情况下,你不需要禁用这个功能,它可以让你的应用以零成本提高性能。

结构共享仅适用于json兼容的值,其他类型都将被视为已更改。例如,如果您看到由于响应大而导致的性能问题,您可以使用config.structuralSharing配置禁用此功能。如果您正在处理查询响应中的非json值,并且仍然希望检测数据是否已更改,则可以配置config.structuralSharing为自定义函数,根据新旧返回值计算,并且根据需要保留引用。

Caching Examples

这个示例包含以下内容:

  • 有缓存和无缓存的查询实例
  • 后台重新获取
  • 不活跃的查询
  • 垃圾回收

假设使用默认配置:gcTime为5分钟,staleTime为0
1. useQuery({ queryKey: ['todos'], queryFn: fetchTodos })挂载一个新实例

  • 由于没有使用请求使用['todos']键进行查询,因此该查询将显示硬加载状态,并发出请求以获取数据。
  • 当网络请求完成后,返回的数据将被缓存在['todos']键下。
  • hooks将在配置的过期时间(默认为0或立即)之后将数据标记为过期。

2. useQuery({queryKey: ['todos'], queryFn: fetchTodos})挂载第二个实例

  • 由于缓存中已经有第一次查询的['todos']键的数据,因此该数据将立即从缓存中返回。
  • 新实例将调用查询函数触发新的网络请求,
    请注意,无论两个fetchTodos查询函数是否相同,两个查询的状态都会被更新(包括isFetchingisPending和其他值),因为它们具有相同的queryKey,即['todos']。
  • 当请求成功完成时,['todos']键下的缓存数据将使用新数据更新,并且两个实例都将使用新数据更新。

3. useQuery({queryKey: ['todos'], queryFn: fetchTodos})查询的两个实例都被卸载并且不再使用
由于这个查询没有更多的active实例,所以使用gcTime设置一个垃圾收集超时来删除和垃圾回收改查询(默认为5分钟)。

4. 在缓存超时之前,挂载另一个useQuery实例({queryKey: ['todos'], queryFn: fetchTodos})
fetchTodos函数在后台运行时,查询立即返回可用的缓存数据。当请求成功完成时,它将用新数据填充缓存。

5. 卸载useQuery({ queryKey: ['todos'], queryFn: fetchTodos })的最后一个实例

6. 5分钟内没有新的useQuery({ queryKey: ['todos'], queryFn: fetchTodos })实例产生
['todos']键下的缓存数据将被删除并收集垃圾。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,332评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,508评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,812评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,607评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,728评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,919评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,071评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,802评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,256评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,576评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,712评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,389评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,032评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,798评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,026评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,473评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,606评论 2 350