flutter 局部刷新控件Selector源码实现原理

news2025/2/28 16:05:14

Flutter 中的 Selector 组件是 provider 包提供的一个优化工具,用于在状态管理中仅选择所需数据片段,避免不必要的 Widget 重建。其实现原理基于以下几个关键点:


1. 核心设计目标

  • 选择性重建:仅当特定数据变化时触发 Widget 重建,而非整个状态对象变化时都重建。

  • 性能优化:通过比较数据片段的前后值,避免无关数据变化导致的冗余重建。


2. 实现原理

a. 继承自 StatefulWidget

Selector 是 StatefulWidget,其状态类(如 _SelectorState)负责管理数据监听和重建逻辑。

class Selector<T, R> extends StatefulWidget {
  final R Function(BuildContext, T) selector;
  final Widget Function(BuildContext, R, Widget?) builder;
  final Widget? child;

  const Selector({ /* 参数初始化 */ });
  
  @override
  _SelectorState<T, R> createState() => _SelectorState<T, R>();
}
b. 状态管理(State)
  • 监听数据变化:通过 Provider.of<T>(context) 获取依赖的状态对象,并监听其变化。

  • 缓存上一次值:保存上一次 selector 函数的结果(_lastValue)。

  • 比较新旧值:在数据变化时,重新计算 selector 结果,并与旧值比较,决定是否重建。

class _SelectorState<T, R> extends State<Selector<T, R>> {
  R? _lastValue;
  Widget? _child;

  @override
  void didChangeDependencies() {
    final T model = Provider.of<T>(context);
    final R newValue = widget.selector(context, model);

    // 比较新旧值,决定是否重建
    if (_shouldUpdate(newValue)) {
      setState(() => _lastValue = newValue);
    }
    super.didChangeDependencies();
  }

  bool _shouldUpdate(R newValue) {
    return widget.shouldRebuild?.call(_lastValue, newValue) 
        ?? (newValue != _lastValue);
  }

  @override
  Widget build(BuildContext context) {
    return widget.builder(context, _lastValue as R, _child);
  }
}
c. 生命周期方法
  • didChangeDependencies:在依赖的 Provider 数据变化时触发,重新计算并比较 selector 结果。

  • setState:仅当数据变化时调用,触发 Widget 重建。


3. 关键机制

a. 选择性监听
  • 使用 selector 函数从状态对象中提取关心的数据片段。例如:

    selector: (context, model) => model.name,
  • 仅当 selector 返回值变化时,才触发 builder 执行。

b. 值比较策略
  • 默认比较:使用 != 操作符比较新旧值(依赖对象覆写 == 和 hashCode)。

  • 自定义比较:通过 shouldRebuild 参数提供自定义逻辑,应对复杂数据结构的比较。

    Selector<Model, String>(
      shouldRebuild: (prev, next) => prev.length != next.length,
      // ...
    )
c. 子组件优化(Child Propagation)
  • child 参数:传递静态子组件,避免其随 Selector 重建。在 builder 中复用:

    builder: (context, value, child) {
      return Column(
        children: [Text(value), child!],
      );
    },
    child: const ExpensiveWidget(),

4. 性能优化点

  • 最小化重建范围:仅重建依赖特定数据片段的 Widget。

  • 避免闭包陷阱:将 selector 和 builder 定义为顶层或静态方法,防止不必要的重建。

  • 不可变数据:确保 selector 返回值是不可变的,或正确实现 == 和 hashCode


5. 源码实现总结

  1. 监听依赖:通过 Provider.of 监听状态对象变化。

  2. 提取数据:调用 selector 函数获取关心的数据片段。

  3. 比较值:若新值不同或满足 shouldRebuild 条件,触发重建。

  4. 构建 UI:调用 builder 函数生成 Widget,传递缓存子组件。

通过这一机制,Selector 在复杂的状态管理中显著提升性能,避免不必要的 UI 更新。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2307461.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Go在1.22版本修复for循环陷阱

记录 前段时间升级Go版本碰到一个大坑&#xff0c;先记录。 先上代码案例&#xff1a; func main() {testClosure() }func testClosure() {for i : 0; i < 5; i {defer func() {fmt.Println(i)}()} }在1.22之下&#xff08;不包括1.22&#xff09;版本&#xff1a; 输出的…

可视化约瑟夫生死环小游戏

这是一个基于Tkinter的图形界面应用程序&#xff0c;用于模拟约瑟夫环问题。约瑟夫环问题是一个经典的数学问题&#xff0c;描述的是N个人围成一圈&#xff0c;从第一个人开始报数&#xff0c;每数到第M个人就将其淘汰&#xff0c;然后从下一个人继续报数&#xff0c;直到剩下最…

【深入理解JWT】从认证授权到网关安全

最近的项目学习中&#xff0c;在进行登陆模块的用户信息验证这一部分又用到了JWT的一些概念和相关知识&#xff0c;特在此写了这篇文章、方便各位笔者理解JWT相关概念 目录 先来理解JWT是什么&#xff1f; 区分有状态认证和无状态认证 有状态认证 VS 无状态认证 JWT令牌的…

学习路之PHP --TP6异步执行功能 (无需安装任何框架)

学习路之PHP --异步执行功能 &#xff08;无需安装任何框架&#xff09; 简介一、工具类二、调用三、异步任务的操作四、效果&#xff1a; 简介 执行异步任务是一种很常见的需求&#xff0c;如批量发邮箱&#xff0c;短信等等执行耗时任务时&#xff0c;需要程序异步执行&…

九、数据治理架构流程

一、总体结构 《数据治理架构流程图》&#xff08;Data Governance Architecture Flowchart&#xff09; 水平结构&#xff1a;流程图采用水平组织&#xff0c;显示从数据源到数据应用的进程。 垂直结构&#xff1a;每个水平部分进一步划分为垂直列&#xff0c;代表数据治理的…

【数据结构】 最大最小堆实现优先队列 python

堆的定义 堆&#xff08;Heap&#xff09;是一种特殊的完全二叉树结构&#xff0c;通常分为最大堆和最小堆两种类型。 在最大堆中&#xff0c;父节点的值总是大于或等于其子节点的值&#xff1b; 而在最小堆中&#xff0c;父节点的值总是小于或等于其子节点的值。 堆常用于实…

51c自动驾驶~合集52

我自己的原文哦~ https://blog.51cto.com/whaosoft/13383340 #世界模型如何推演未来的千万种可能 驾驶世界模型&#xff08;DWM&#xff09;&#xff0c;专注于预测驾驶过程中的场景演变&#xff0c;已经成为追求自动驾驶的一种有前景的范式。这些方法使自动驾驶系统能够更…

【我的 PWN 学习手札】House of Husk

House of Husk House of Husk是利用格式化输出函数如printf、vprintf在打印输出时&#xff0c;会解析格式化字符如%x、%lld从而调用不同的格式化打印方法&#xff08;函数&#xff09;。同时C语言还提供了注册自定义格式化字符的方法。注册自定义格式化字符串输出方法&#xf…

Nmap使用指南

Nmap使用指南 Nmap (网络映射器) 是一款强大的应用网络扫描和安全核查工具&#xff0c;适合于网络管理和安全专家。本文将介绍Nmap的基本使用方法&#xff0c;包括基本命令和常用功能。 1. 基本使用方式 Nmap的基本命令格式如下&#xff1a; nmap [选项] 目标地址目标地址 可…

傅里叶分析

傅里叶分析之掐死教程&#xff08;完整版&#xff09;更新于2014.06.06 要让读者在不看任何数学公式的情况下理解傅里叶分析。 傅里叶分析不仅仅是一个数学工具&#xff0c;更是一种可以彻底颠覆一个人以前世界观的思维模式。但不幸的是&#xff0c;傅里叶分析的公式看起来太复…

从零开始用react + tailwindcss + express + mongodb实现一个聊天程序(五) 实现登录功能

1.登录页面 完善登录页面 和注册差不多 直接copy signUpPage 内容 再稍微修改下 import { useState } from "react"; import { useAuthStore } from "../store/useAuthStore"; import { MessageSquare,Mail,Lock,Eye, EyeOff,Loader2} from "lucide…

【机器学习】Logistic回归#1基于Scikit-Learn的简单Logistic回归

主要参考学习资料&#xff1a; 《机器学习算法的数学解析与Python实现》莫凡 著 前置知识&#xff1a;线性代数-Python 目录 问题背景数学模型类别表示Logistic函数假设函数损失函数训练步骤 代码实现特点 问题背景 分类问题是一类预测非连续&#xff08;离散&#xff09;值的…

8.Dashboard的导入导出

分享自己的Dashboard 1. 在Dashboard settings中选择 JSON Model 2. 导入 后续请参考第三篇导入光放Dashboard&#xff0c;相近

next.js-学习2

next.js-学习2 1. https://nextjs.org/learn/dashboard-app/getting-started2. 模拟的数据3. 添加样式4. 字体&#xff0c;图片5. 创建布局和页面页面导航 1. https://nextjs.org/learn/dashboard-app/getting-started /app: Contains all the routes, components, and logic …

视频推拉流EasyDSS直播点播平台授权激活码无效,报错400的原因是什么?

在当今数字化浪潮中&#xff0c;视频推拉流 EasyDSS 视频直播点播平台宛如一颗璀璨的明珠&#xff0c;汇聚了视频直播、点播、转码、精细管理、录像、高效检索以及时移回看等一系列强大功能于一身&#xff0c;全方位构建起音视频服务生态。它既能助力音视频采集&#xff0c;精准…

【论文详解】Transformer 论文《Attention Is All You Need》能够并行计算的原因

文章目录 前言一、传统 RNN/CNN 存在的串行计算问题二、Transformer 如何实现并行计算&#xff1f;三、Transformer 的 Encoder 和 Decoder 如何并行四、结论 前言 亲爱的家人们&#xff0c;创作很不容易&#xff0c;若对您有帮助的话&#xff0c;请点赞收藏加关注哦&#xff…

Framework层JNI侧Binder

目录 一&#xff0c;Binder JNI在整个系统的位置 1.1 小结 二&#xff0c;代码分析 2.1 BBinder创建 2.2 Bpinder是在查找服务时候创建的 2.3 JNI实现 2.4 JNI层android_os_BinderProxy_transact 2.5 BPProxy实现 2&#xff09;调用IPCThreadState发送数据到Binder驱动…

Excel大文件拆分

import pandas as pddef split_excel_file(input_file, output_prefix, num_parts10):# 读取Excel文件df pd.read_excel(input_file)# 计算每部分的行数total_rows len(df)rows_per_part total_rows // num_partsremaining_rows total_rows % num_partsstart_row 0for i i…

OpenCV计算摄影学(7)HDR成像之多帧图像对齐的类cv::AlignMTB

操作系统&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言&#xff1a;C11 算法描述 该算法将图像转换为‌中值阈值位图‌&#xff08;Median Threshold Bitmap&#xff0c;MTB&#xff09;&#xff1a; 1.位图生成‌&#xff1a;…