百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

vue3中到底使用Ref还是Reactive,我和同事吵起来了

ztj100 2025-04-30 21:22 40 浏览 0 评论

事情是这样的,我和同事在vue3中到底是使用ref还是reactive起了争执。

我觉得应该更好的使用ref,Ref 既能声明基本数据类型,也能声明对象和数组,而且不容易失去响应式,reactive操作不当容易失去响应式。

而同事认为开发表单或多个值的时候都会优先采用reactive,数据集中,结构明了。

所以结果就是我准备写这篇文章来记录一下这两者的区别和用法。

ref和Reactive的区别

  1. 数据类型
  • ref主要用于基本数据类型(如字符串、数字、布尔值等)以及引用数据类型(对象)。使用ref定义的数据可以通过.value属性访问和修改。
  • reactive主要用于将对象转换为响应式数据,包括复杂的嵌套对象和数组。使用reactive定义的数据可以直接访问和修改属性。
  1. 访问方式
  • ref通过.value属性访问和修改值。
  • reactive直接访问和修改对象的属性,不需要使用.value
  1. 响应性追踪
  • ref追踪单个独立的引用,即只有当.value属性被访问或修改时才会触发依赖追踪。
  • reactive追踪整个对象及其内部属性,当任何属性被修改时,所有依赖于这些属性的视图都会自动更新。
  1. 可变性
  • ref的引用值可以重新赋值,而不会影响其响应性。
  • reactive对象本身是不可重新赋值的,只能修改其内部属性。如果直接重新赋值整个对象,会导致响应性丢失。

ref的使用注意事项

  1. 必要性ref应该只在必要时使用,因为它可能会影响性能。
  2. 内存泄漏:确保在组件销毁时解除对ref的引用,以避免内存泄漏。
  3. 值的可变性ref的值是可变的,所以要小心地使用它,避免意外地修改其值。

reactive的使用注意事项

  1. 重新赋值问题:对于reactive对象,不能直接重新赋值整个对象,否则会失去响应性。应通过修改对象的属性来保持响应性。
  2. 解构赋值问题:解构赋值会导致响应性丢失,因为解构后的新变量不是响应式的。可以使用toRefs函数将响应式对象转换为包含多个ref的对象,以确保每个属性保持响应性。

应用场景和示例代码

ref的应用场景

  1. 简单数据管理:需要管理单一的基本数据类型,如计数器、开关状态等。
 import { ref } from 'vue';

const count = ref(0);
function increment() {
count.value++;
}
  1. 模板中解构响应式对象:在组合式API中,如果将响应式对象解构到模板中,ref可以保持解构后的响应性。
 import { ref, toRefs } from 'vue';

const state = ref({ count: 0, name: 'Vue' });
const count = toRefs(state).count;
const name = toRefs(state).name;
  1. 引用DOM元素:在模板中引用DOM元素时,可以使用ref进行挂载。
<template>
<input ref="inputElement" />
<button @click="focusInput">Focus Input</button>
</template>

<script setup>
import { ref } from 'vue';

const inputElement = ref(null);
const focusInput = () => {
inputElement.value.focus();
};
</script>

reactive的应用场景

  1. 复杂对象和嵌套数据:当需要管理包含多个属性和嵌套结构的对象时,reactive更加适合。
import { reactive } from 'vue';

const user = reactive({
name: 'John',
age: 30,
address: {
city: 'New York',
country: 'USA'
}
});
  1. 性能考虑:在某些情况下,使用reactive可能会在性能上更优,因为它避免了频繁的.value访问。

创作不易,如果这篇文章对你有用,欢迎点赞关注加评论哦

小伙伴们在工作中还遇到过其他应用场景吗,欢迎评论区留言讨论哦。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: