数据流方案的思考

原创

用户2303251

修改于 2018-06-07 17:00:47

9970

修改于 2018-06-07 17:00:47

文章被收录于专栏：田云专栏田云专栏

近两年前端开发从jquery演化到了谈必及react vue ,大部分人已经习惯了

组件化

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。

数据驱动视图（Model Driven View）

数据驱动视图，这个概念随着react的流行日益被接受，所谓Model-Driven-View就是对很多低级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

用一个例子来理解下：

两个模块，foo和bar，模块可以被认为是面向对象的函数或者其他任何机制对state状态的代码封装，箭头foo --> bar 表明foo可以影响bar内部的状态

一个实际的例子关于箭头：当foo模块发起一次网络请求，bar模块内的counter就加1，如果所有的code都在模块内，那么箭头函数属于哪一部分呢，在哪儿定义呢，普遍的选择是当调用foo的请求后，调用bar内部的函数去+1

Inside module Foo

function onNetworkRequest() {
  // ...
  Bar.incrementCounter();
  // ...
}

由于foo模块发出网络请求，可以修改bar内部的counter，我们可以说arrow箭头属于尾部的模块 bar，

bar模块是消极的，允许别的模块修改自己内部的状态，状态变更取决于别的模块

foo是积极的，不会意识到bar模块的存在

我们转变下思路：

以这种方案解读， bar监听foo内部触发的事件，然后管理自己的状态变更，bar是可响应的reactive ,foo不会感知到发起network request的源头

Inside module Bar

Foo.addOnNetworkRequestListener(() => {
  self.incrementCounter(); // self is Bar
});

这种写法的好处是，bar只对自身的响应进行状态变更，而且我们可以把bar的incrementCounter()设为私有函数，否则，意味着在foo内部要调用bar的公共函数，意味着bar的内部状态可以被外部状态所变更，并且如果我们要观察bar的counter变化我们需要找出所有调用这个公共函数的部分。

Passive	Reactive
How does Bar work?	Find usages	Look inside

Proactive	Listenable
Which modules are affected?	Look inside	Find Usages

Passive/Proactive programming 是大部分命令式语言的开发模式，而我们要构建响应式的reactive模式首先在模块构建的时候就需要考虑。

What is a Stream?

讲stream的概念是因为后面我们要提到的Model-View-Intent

简单来说。stream是一个事件stream可以触发0或者more的events，可以结束也可以不结束，如果结束的话 stream讲提供一个complete函数或者error的函数去处理

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。

Reactive programming 实现的方式包括但不局限于 event listeners, RxJS, Bacon.js, Kefir, most.js, EventEmitter, Actors, and more.

Stream contract

(next)* (complete|error){0,1}

一个例子

Streams can be listened to, just like EventEmitters and DOM events can

myStream.addListener({
  next: function handleNextEvent(event) {
    // do something with `event`
  },
  error: function handleError(error) {
    // do something with `error`
  },
  complete: function handleCompleted() {
    // do something when it completes
  },
});

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，可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，它们的差别是：组件究竟是纯展示，还是带一些逻辑。

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

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, 构建组件的时候需要把一个容器的所有状态抽离到redux中，比如我们的comment组件

在You might not need Redux这篇文章中，Redux的作者Dan Abramov提到：

Local State is Fine.

而且从本质上说，一个组件的状态可以区分为领域状态和业务状态，业务状态跟其他组件的数据变更有关，组件状态只跟自己本身的有关，全部抽离出去跟组件的本质又有一定的偏离。

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。

Model-View-Intent

在Plug and Play All Your Observable Streams With Cycle.js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(to listen to the user)
Model，负责从Intent生成视图展示所需的数据(to process information)
View，负责根据视图数据渲染视图(to output back to the user)

整体结构可以这样描述

看一个以circle.js实现的todo例子

// THE ENTRY POINT
// This is where the whole story starts.
// `run` receives a main function and an object
// with the drivers.
run(main, {
  // THE DOM DRIVER
  // `makeDOMDriver(container)` from Cycle DOM returns a
  // driver function to interact with the DOM.
  DOM: makeDOMDriver('.todoapp', {transposition: true}),
  // THE HISTORY DRIVER
  // A driver to interact with browser history
  History: makeHistoryDriver(createHistory(), {capture: true}),
  // THE STORAGE DRIVER
  // The storage driver which can be used to access values for
  // local- and sessionStorage keys as streams.
  storage: storageDriver
});

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，与分形有异曲同工之妙。

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：

              APP [ View <-- Model <-- Intent ]
                     |
           ------------------------------------------------
           |                                              |
ComponentA [ ViewA <-- ModelA <-- IntentA ]          ComponentB

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：

  ---------------------
  ↑                   ↓ 
              |-- LocalState
 View   <--   |    
              |-- GlobalState
  ↓                   ↑
Action     -->     Reducer

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。

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

整个流程如下：

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

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。

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。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

jquery

react

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

jquery

react