Redex项目处理APK时遇到重复类问题的解决方案
在Android应用开发过程中,开发者经常会使用Redex这样的优化工具来处理APK文件。然而,在使用Redex处理经过R8编译的APK时,可能会遇到一个典型的问题:系统报告发现了重复的类定义,特别是来自android.jar中的类。
问题背景
当开发者使用Redex处理APK时,可能会遇到类似以下的错误信息:
Found duplicate class in two different files.
错误中提到的重复类通常是Android框架类,如Landroid/app/ServiceStartNotAllowedException。这种情况通常发生在先使用R8进行代码优化和混淆,再使用Redex进行进一步处理的场景中。
问题根源
这个问题的根本原因在于R8的API建模功能。R8会在编译过程中合成一些类,目的是为了改善应用性能并减轻软验证错误。这些合成的类与Android框架中的原始类产生了冲突,导致Redex在处理时无法识别这种特殊情况。
解决方案
目前有两种主要的解决方案:
-
禁用R8的API建模功能
在Gradle构建文件中添加以下配置可以关闭R8的API建模功能:System.setProperty("com.android.tools.r8.disableApiModeling", "1")这种方法直接解决了问题根源,避免了R8生成这些可能引起冲突的合成类。
-
调整构建流程
开发者也可以考虑调整构建流程的顺序:- 首先使用D8(而不是R8)生成dex文件
- 然后使用Redex处理这些dex文件
- 最后再使用R8进行混淆
值得注意的是,Redex本身也具备混淆功能,因此如果只是需要混淆,完全可以依赖Redex完成,不需要额外的R8步骤。
技术展望
虽然目前需要开发者手动解决这个问题,但Redex开发团队已经意识到这个问题,并计划在未来版本中更好地处理R8生成的存根类。不过,这个改进的具体时间表尚未确定。
最佳实践建议
对于大多数项目,建议采用第一种解决方案,即禁用R8的API建模功能。这种方法:
- 改动最小,只需要添加一行配置
- 保持了完整的R8优化功能
- 避免了构建流程的复杂化
第二种方案虽然可行,但会导致构建流程更加复杂,且可能失去R8提供的某些优化机会。
通过理解这个问题及其解决方案,开发者可以更顺畅地在项目中使用Redex和R8的组合,充分发挥这两个强大工具的优势。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00