React Native BLE Manager 在 Android 14 上的并发修改异常分析
在 React Native BLE Manager 项目中,开发者报告了一个在 Android 14 设备上出现的并发修改异常问题。这个问题主要发生在处理蓝牙外围设备服务发现的过程中,具体表现为 ConcurrentModificationException 异常。
问题背景
当应用尝试通过 Peripheral.asWritableMap 方法将蓝牙设备信息转换为可写映射时,系统抛出了并发修改异常。这种异常通常发生在集合被迭代的同时,另一个线程修改了这个集合的内容。
从堆栈跟踪可以看出,异常发生在 BluetoothGatt.getServices 方法的执行过程中,这表明在获取蓝牙服务列表时,服务列表可能正在被其他线程修改。
技术分析
ConcurrentModificationException 是 Java 集合框架中的一个常见异常,它被设计用来检测并发修改行为。在单线程环境中,这种异常通常表明在迭代集合的同时,代码的其他部分修改了集合内容。
在 Android 蓝牙 API 中,BluetoothGatt 的服务列表可能会在后台线程中被更新,而主线程可能正在尝试读取这些服务。这种多线程访问共享资源的情况,如果没有适当的同步机制,就可能导致并发修改异常。
解决方案
针对这个问题,开发团队提出了以下解决方案:
-
同步访问:确保对蓝牙服务列表的访问是线程安全的,可以通过同步块或使用线程安全的集合来实现。
-
防御性复制:在迭代服务列表前,先创建一个列表的副本,然后在副本上进行操作,这样可以避免原始列表被修改带来的问题。
-
使用迭代器安全模式:虽然使用
for (it : iterator)语法可能有所帮助,但在这种情况下,更根本的解决方案是确保集合不被并发修改。
在实际修复中,开发团队选择了最合适的方案来保证线程安全,同时最小化对性能的影响。这种修复不仅解决了 Android 14 上的问题,也提高了代码在所有 Android 版本上的稳定性。
最佳实践建议
对于处理蓝牙设备信息的开发者,建议:
- 始终假设蓝牙相关操作可能在不同线程执行
- 对共享数据进行适当的同步保护
- 考虑使用不可变数据结构来传递设备信息
- 在回调方法中处理异常情况,确保应用稳定性
这个问题提醒我们,在移动开发中,特别是涉及硬件交互的场景,线程安全是需要特别关注的重要方面。随着 Android 版本的更新,系统对并发问题的检测可能会变得更加严格,因此开发者需要更加重视代码的线程安全性。
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