Nano Hash - криптовалюты, майнинг, программирование

Способ предоставить это в глобальном масштабе?

Я работаю с функцией debounce, найденной здесь, в этом посте о стеке по потоку. Это обещание позволяет регулировать запросы.

Функция debounce не будет работать по какой-то причине, когда она вложена в функцию, потому что кажется, что setTimeout вызовы запроса отправляются одновременно. Я думаю, что на это нужно ссылаться напрямую.

Я не могу сделать что-то подобное, потому что на него нужно ссылаться напрямую

function bounced(item){
  return debounce(mockRequest, 800, 5)(item)
}

Вот как это следует использовать

var bounced = debounce(mockRequest, 800, 5)

Проблема в том, что я создаю такой объект API, и ни один из вариантов не будет работать.

API.prototype.request = function(options){
  return this.debounce(this.makeRequest, 1000, 2)(options)
}

API.prototype.request = this.debounce(this.makeRequest, 1000, 2) // duh

Я ищу способ использовать this и не вызывать метод debounce напрямую.

В идеале было бы неплохо что-то вроде этого

API.prototype.request = function(){
  return this.debounce(this.makeRequest, 1000, 2)
}()
javascript object promise prototype bluebird
11.02.2015

Ответы:


1

Я думаю, это должно быть

API.prototype.request = API.prototype.debounce(API.prototype.makeRequest, 1000, 2)

У вас нет ни экземпляра (this), ни объекта options на момент создания метода. Они передаются функции debounced, где они сохраняются, а затем (возможно, позже) используются для вызова предоставленной функции.

Кстати, вероятно, нет смысла помещать debounce в прототип вашего API - это общий вспомогательный метод, а не метод экземпляра. Также обратите внимание, что когда вы debounce() используете метод-прототип, все ваши вызовы будут глобально отклонены. Если вы хотите иметь одну очередь для каждого экземпляра вашего API, вам лучше сделать

function API() {
    // in the constructor:
    this.request = Helpers.debounce(this.makeRequest);
}
API.prototype.makeRequest = function() { … };
// no prototype .request() method
11.02.2015
  • Это помогло. Я не понимал, что каждая функция будет независимо сохранять свои состояния. 11.02.2015
  • Спасибо за второй пример, я обновил свой код, чтобы отразить это! Спасибо! 11.02.2015
  • @ThomasReggi Я видел, что вы сообщили мне об этом в другом ответе - я просто хотел бы убедиться, что это решение правильное. Это определенно то, как я намеревался его использовать. \ 12.02.2015
  • Спасибо @BenjaminGruenbaum! 12.02.2015
  • @BenjaminGruenbaum: это похоже на двойную галочку :-) 12.02.2015
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..