新闻详情

新闻详情

首页 / 资讯中心 / 详情

React 数据请求:TanStack Query

发布时间:2026/11/21 21:32:34来源:尧图网络
React 数据请求:TanStack Query
React 数据请求TanStack Query前置React 路由React Router目标用 Query 管理 loading / error / 缓存而不是手写一堆useEffect useState。引言组件里的useState管 UI 状态服务器上的列表 / 详情是另一类东西要请求、等 loading、处理失败、缓存、再刷新。手写useEffect fetch 三个 useState容易漏重试、漏竞态。TanStack Querytanstack/react-query专门管这类「服务端状态」。本篇 demo本地 mock 待办 600ms 延迟演示 loading / 列表 / 手动刷新离线也能跑。动手完整代码react2/07-data-fetching/democdreact2/07-data-fetching/demonpminstallnpmrun dev打开后先看到「加载中…」再出列表点「重新请求」会再走一遍 delay。1. 为什么不用纯useEffect手写常见形态const [data, setData] useState(null) const [loading, setLoading] useState(true) const [error, setError] useState(null) useEffect(() { fetch(/api/todos) .then((r) r.json()) .then(setData) .catch(setError) .finally(() setLoading(false)) }, [])缺什么取消过期请求、窗口切回自动刷新、同 key 去重、失败重试、缓存共享……Query 把这些默认带上。2. 先挂QueryClientProviderimport { QueryClient, QueryClientProvider, useQuery } from tanstack/react-query const client new QueryClient() export default function App() { return ( QueryClientProvider client{client} TodoList / /QueryClientProvider ) }useQuery必须在 Provider 里面用。一般在应用根App或main包一层即可。3.useQuery声明「要这份数据」async function fetchTodos(): PromiseTodo[] { await new Promise((r) setTimeout(r, 600)) // 假装网络 return MOCK_TODOS } function TodoList() { const { data, isPending, isError, error, refetch, isFetching } useQuery({ queryKey: [todos], queryFn: fetchTodos, }) if (isPending) return p加载中…/p if (isError) return p classNameerr失败{(error as Error).message}/p return ( section button typebutton onClick{() refetch()} disabled{isFetching} {isFetching ? 刷新中… : 重新请求} /button ul {data.map((t) ( li key{t.id} span className{t.completed ? done : }{t.title}/span /li ))} /ul /section ) }字段含义queryKey这份数据的缓存身份证相同 key 共享缓存queryFn真正去拉数据的异步函数isPending还没有成功数据首屏 loadingisError/error失败data成功后的结果过了 pending/error 分支后可放心用refetch手动再请求一次isFetching正在请求中含后台刷新已有数据时也可能为 trueisPendingvsisFetching首屏用isPending挡整页点刷新时已有列表用isFetching只禁用按钮 / 显示「刷新中」别把整页清空。4.queryKey怎么设计queryKey: [todos] // 整份列表 queryKey: [todo, id] // 某一条id 变就另缓存 queryKey: [todos, { q }] // 带筛选条件规则直觉key 变了 → 当作另一份查询同一 key → 尽量复用缓存少打重复请求5. 接到真实 API把queryFn换成fetch即可其它 UI 分支不用动async function fetchTodos(): PromiseTodo[] { const res await fetch(/api/todos) if (!res.ok) throw new Error(HTTP ${res.status}) return res.json() }建议在queryFn里对非 2xx抛错这样会走isError而不是把错误 HTML 当成data。对照表概念干什么demoQueryClient缓存与调度中心模块顶层new QueryClient()QueryClientProvider注入 client包住TodoListqueryKey缓存键[todos]queryFn拉数fetchTodosmock delayisPending/isError首屏状态加载中 / 失败文案refetchisFetching手动刷新「重新请求」按钮常见坑做法问题忘了 ProvideruseQuery直接报错queryKey写成每次新对象却又不稳定缓存命中乱、反复请求只用isFetching做首屏已有缓存时可能闪一下空态语义和isPending不同queryFn失败却return null不 throw不会进isError和useState里再存一份data双数据源以 Query 的data为准demo 在练什么Provider useQuery拉 mock 列表isPending/isError分支refetch手动刷新用isFetching反馈按钮状态自己改一改让fetchTodos随机throw new Error(网络炸了)看错误分支或把 key 改成[todos, query]练筛选。运行截图下一篇React 大型项目目录骨架
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/21 21:08:55

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉