Files
2nd/10_Wiki/Topics/Visual_Effects/Graphics & Performance/Redux-Reducer-Pattern.md
T
Antigravity Agent f8b21af4be Wiki cleanup: error-doc removal, dedup merge, link normalization
10_Wiki/Topics 대규모 정리:
- 오류 캡처/미완성 stub 문서 227개 제거
- 교차폴더 중복 43클러스터 병합 (63파일 → redirect)
- 링크명 정규화: 깨진 링크 수정·redirect 직결·개념 매핑 ~2,400건
- 카테고리 MOC 6개 신규 생성
- Graph 섹션 미해결 related-keyword 링크 10,058건 제거

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-05-20 23:52:15 +09:00

3.9 KiB

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack
id title category status canonical_id aliases duplicate_of source_trust_level confidence_score tags raw_sources last_reinforced github_commit inferred_by tech_stack
wiki-2026-0508-redux-reducer-pattern Redux Reducer Pattern 10_Wiki/Topics/Software Architecture verified self
ARCH-RES-2026-05-001
none A 0.99
redux
reducer
pattern
state-management
immutability
flux
2026-05-08 pending Claude Opus 4.7 (auto-normalize 2026-05-08)
language framework
unspecified unspecified

Redux Reducer Pattern

📌 한 줄 통찰 (The Karpathy Summary)

"상태 변화의 명세서: 이전 상태(State)와 액션(Action)을 받아 새로운 상태를 생성하는 순수 함수(Pure Function) 구조를 통해, 복잡한 데이터 흐름을 단방향으로 통제하고 예측 가능하게 만드는 설계 패턴."

📖 구조화된 지식 (Synthesized Content)

  • 순수 함수성 (Purity): 리듀서는 외부 API 호출이나 무작위 값 생성 같은 사이드 이펙트가 없어야 한다. 동일한 입력에 대해 항상 동일한 출력을 보장함으로써 상태 추적(Time-travel Debugging)과 테스트를 용이하게 한다.
  • 불변성 유지 (Immutability): 기존 상태를 직접 수정하지 않고, 항상 새로운 객체를 반환한다. 이는 JavaScript의 얕은 비교(Shallow Comparison)를 통한 성능 최적화와 히스토리 관리를 가능하게 하는 핵심 원칙이다.
  • 단일 진실 공급원 (Single Source of Truth): 애플리케이션의 모든 상태를 하나의 거대한 스토어(Store)로 관리하고, 리듀서는 이를 조각(Slice) 단위로 나누어 처리한 뒤 다시 병합(combineReducers)하는 계층 구조를 가진다.

⚖️ 트레이드오프 및 고려사항

  • 보일러플레이트 vs 가독성: 액션 타입 정의, 액션 크리에이터, 리듀서 작성 등 초기 구축 비용이 높다. 이를 완화하기 위해 Redux Toolkit(RTK) 사용이 권장된다.
  • 중첩된 상태의 복잡성: 상태 객체의 깊이가 깊어질수록 불변성을 유지하며 업데이트하는 코드가 복잡해진다. 이 경우 Immer.js와 같은 라이브러리를 사용하여 가독성을 높일 수 있다.
  • 성능 최적화: 상태가 변경될 때마다 새로운 객체가 생성되므로, 대규모 데이터 처리 시 메모리 사용량과 렌더링 성능을 고려하여 셀렉터(Reselect) 패턴을 도입해야 한다.

🔗 지식 연결 (Graph)

  • 유사 개념: Event Sourcing, CQRS
  • 관련 기술: Zustand, MobX

Last updated: 2026-05-08

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

  • (TODO)

언제 쓰면 안 되는가:

  • (TODO)

🧪 검증 상태 (Validation)

  • 정보 상태: verified
  • 출처 신뢰도: A
  • 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

  • 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
  • 처리 방식: UPDATE (자동 정규화)
  • 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

  • 과거 데이터와의 충돌: 없음
  • 정책 변화: 없음

🕓 변경 이력 (Changelog)

날짜 변경 내용 처리 방식 신뢰도
2026-05-08 P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) UPDATE A

💻 코드 패턴 (Code Patterns)

패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)

# TODO

🤔 의사결정 기준 (Decision Criteria)

선택 A를 써야 할 때:

  • (TODO)

선택 B를 써야 할 때:

  • (TODO)

기본값:

(TODO)

안티패턴 (Anti-Patterns)

  • [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)