Protobuf Java与Kotlin库中的类重复问题解析
在Protocol Buffers(Protobuf)4.30.0版本的Java和Kotlin库中,开发者遇到了一个类重复问题。这个问题表现为在protobuf-java和protobuf-kotlin两个库中出现了相同的类定义,导致Android构建时出现冲突。
问题现象
当开发者同时使用protobuf-java和protobuf-kotlin库时,构建系统会报告类重复错误。具体来说,DescriptorProtos$1和JavaFeaturesProto$1这两个类在两个库中都有定义。这种重复会导致编译失败,因为Java虚拟机不允许同一个类被加载多次。
问题根源
经过深入分析,这个问题实际上由来已久,但在4.30.0版本中变得更加明显。根本原因在于构建系统对"lite"和"core"两种模式的处理方式。
在Protocol Buffers的实现中,存在两种不同的运行模式:
- 完整版(core):包含所有功能
- 精简版(lite):为移动设备优化的轻量级版本
在4.30.0版本之前,虽然也存在类重复问题,但主要限于一些枚举验证器类(enum verifiers),这些问题相对隐蔽,没有引起广泛注意。而在4.30.0版本中,开发团队将DescriptorProtos和JavaFeaturesProto类完全移到了lite模式中,这使得类重复问题变得更加明显。
技术细节
问题的核心在于构建配置中的deploy_env设置。这个设置原本只包含了core目标,而没有包含lite目标。因此,构建系统无法正确识别和排除lite模式特有的符号(symbols)。
具体表现为:
- 在4.29.x版本中,虽然DescriptorProtos和JavaFeaturesProto类在两个模式中都有定义,但重复的只是它们的嵌套类(如EnumTypeVerifier)
- 在4.30.0版本中,这些类被完全移到了lite模式,但构建系统仍然将它们包含在了kotlin库中
解决方案
解决这个问题的正确方法是在deploy_env配置中同时包含core和lite目标。这样构建系统就能正确识别和排除lite模式特有的类定义,避免重复包含。
这个修复方案已经得到验证,可以完全解决4.30.0版本中的类重复问题。对于开发者来说,也可以暂时通过排除其中一个库的方式临时解决问题,但最根本的解决方案还是等待官方修复版本的发布。
对开发者的建议
对于遇到此问题的开发者,建议采取以下措施:
- 检查项目依赖,确认是否同时引入了protobuf-java和protobuf-kotlin
- 如果必须使用Kotlin扩展功能,可以考虑暂时锁定protobuf版本到4.29.x
- 关注Protocol Buffers项目的更新,及时升级到修复后的版本
- 在构建配置中检查是否有重复依赖的情况
这个问题虽然表现为构建错误,但背后反映了Protocol Buffers项目在支持多语言和多平台时的复杂依赖管理挑战。随着项目的不断发展,这类问题有望得到更系统的解决。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00