• ajax防止重复提交请求1


    ajax防止重复提交请求

    A. 独占型提交
    只允许同时存在一次提交操作,并且直到本次提交完成才能进行下一次提交。

    module.submit = function() {
      if (this.promise_.state() === 'pending') {
        return
      }
      return this.promise_ = $.post('/api/save')
    }B. 贪婪型提交
    无限制的提交,但是以最后一次操作为准;亦即需要尽快给出最后一次操作的反馈,而前面的操作结果并不重要。

    module.submit = function() {
      if (this.promise_.state() === 'pending') {
        this.promise_.abort()
      }
      // todo
    }比如某些应用的条目中,有一些进行类似「喜欢」或「不喜欢」操作的二态按钮。如果按下后不立即给出反馈,用户的目光焦点就可能在那个按钮上停顿许久;如 果按下时即时切换按钮的状态,再在程序上用 abort 来实现积极的提交,这样既能提高用户体验,还能降低服务器压力,皆大欢喜。

    C. 节制型提交
    无论提交如何频繁,任意两次有效提交的间隔时间必定会大于或等于某一时间间隔;即以一定频率提交。

    module.submit = throttle(150, function() {
      // todo
    })如果客户发送每隔100毫秒发送过来10次请求,此模块将只接收其中6个(每个在时间线上距离为150毫秒)进行处理。
    这也是解决查询冲突的一种可选手段,比如以知乎草稿举例,仔细观察可以发现:
    编辑器的 blur 事件会立即触发保存;
    保存按钮的 click 事件也会立即触发保存;
    但是存在一种情况会使这两个事件在数毫秒内连续发生——当焦点在编辑器内部,并且直接去点击保存按钮——这时用 throttle 来处理是可行的。
    另外还有一些事件处理会很频繁地使用 throttle,如: resize、scroll、mousemove。

    D. 懒惰型提交
    任意两次提交的间隔时间,必须大于一个指定时间,才会促成有效提交;即不给休息不干活。

    module.submit = debounce(150, function() {
      // todo
    })E. 记忆型
    var scrape = memoize(function(url) {
      return $.post('/scraper', { 'url': url })
    })对于同样的参数,其返回始终结果是恒等的——每次都将返回同一对象。

    F. 累积型
    前几天处理自动完成事件时得到这个函数,发现也可以用在处理连续事件上,它能够把连续的多次提交合并为一个提交,比如:

    var request = makePile(5, function() {
        $.post('/', { list: JSON.stringify([].slice.call(arguments)) })
    })
      
    // 连续发送五次
    request({a:1}), request({a:2}), request({a:3}), request({a:4}), request({a:5})
    /* post =>
    list:[{"a":1},{"a":2},{"a":3},{"a":4},{"a":5}]
     */样例实现:

    var makePile = function(count, onfilter, onvalue) {
      var values = [], id = function(value) { return value }
      return function(value) {
        values.push((onvalue || id).apply(this, arguments))
        if (values.length === count) {
          onfilter.apply(this, values)
          values = []
        }
      }

  • 相关阅读:
    Structure Boundary Preserving Segmentation for Medical Image With Ambiguous Boundary(理解)
    Deep Gamblers: Learning to Abstain with Portfolio Theory(理解)(github代码)
    DeepSurv: Personalized Treatment Recommender System Using A Cox Proportional Hazards Deep Neural Network(理解)(github代码)
    Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting(理解)(github代码)
    【分类算法】朴素贝叶斯(Naive Bayes)
    【分类算法】感知机(Perceptron)
    【集成模型】Boosting
    【集成模型】Stacking
    【集成模型】Bootstrap Aggregating(Bagging)
    数据科学导引(大纲)
  • 原文地址:https://www.cnblogs.com/wluomo/p/4072773.html
Copyright © 2020-2023  润新知