MessagePack-CSharp在Unity IL2CPP环境下处理自定义类型序列化的解决方案
背景介绍
在使用MessagePack-CSharp进行Unity3D开发时,开发者可能会遇到一个常见问题:当项目使用IL2CPP编译后端时,包含自定义类型的对象数组无法正常序列化。这个问题在Mono环境下可能不会出现,但在IL2CPP环境下会抛出"Not supported primitive object resolver"异常。
问题分析
问题的核心在于MessagePack的PrimitiveObjectFormatter对于非基本类型(如int、bool、string等)的处理机制。在IL2CPP环境下,当尝试序列化一个包含自定义类型(如AirSimYawMode、AirSimPose等)的对象数组时,系统无法自动识别这些自定义类型,导致序列化失败。
解决方案
自定义解析器实现
要解决这个问题,我们需要创建一个自定义的解析器(CustomObjectArrayFormatter),专门用于处理对象数组的序列化和反序列化。这个解析器需要:
- 识别数组中的各种数据类型
- 为每种类型提供专门的序列化/反序列化逻辑
- 处理基本类型和自定义类型的不同情况
public class CustomObjectArrayFormatter : IMessagePackFormatter<object[]>
{
public void Serialize(ref MessagePackWriter writer, object[] value, MessagePackSerializerOptions options)
{
writer.WriteArrayHeader(value.Length);
foreach (var item in value)
{
switch (item)
{
case int intValue:
writer.Write(intValue);
break;
case float floatValue:
writer.Write(floatValue);
break;
case bool boolValue:
writer.Write(boolValue);
break;
case string stringValue:
writer.Write(stringValue);
break;
case AirSimYawMode yawMode:
options.Resolver.GetFormatterWithVerify<AirSimYawMode>().Serialize(ref writer, yawMode, options);
break;
// 其他自定义类型处理...
default:
throw new InvalidOperationException("Unsupported type encountered: " + item.GetType());
}
}
}
public object[] Deserialize(ref MessagePackReader reader, MessagePackSerializerOptions options)
{
var len = reader.ReadArrayHeader();
var result = new object[len];
for (int i = 0; i < len; i++)
{
var type = reader.NextMessagePackType;
switch (type)
{
case MessagePackType.Integer:
result[i] = reader.ReadInt32();
break;
case MessagePackType.Float:
result[i] = reader.ReadSingle();
break;
case MessagePackType.Boolean:
result[i] = reader.ReadBoolean();
break;
case MessagePackType.String:
result[i] = reader.ReadString();
break;
default:
throw new InvalidOperationException("Unsupported MessagePackType encountered: " + type);
}
}
return result;
}
}
解析器注册
创建自定义解析器后,需要将其注册到MessagePack的解析器系统中。这通常在应用程序启动时完成:
var customize = CompositeResolver.Create(
new IMessagePackFormatter[] { new CustomObjectArrayFormatter() },
new[] { StandardResolver.Instance }
);
StaticCompositeResolver.Instance.Register(
customize,
MessagePack.Resolvers.StandardResolver.Instance,
MessagePack.Resolvers.GeneratedResolver.Instance
);
实现细节说明
-
类型识别:在序列化过程中,使用C#的模式匹配功能(switch-case)来识别不同类型的值,并为每种类型提供专门的序列化逻辑。
-
自定义类型处理:对于自定义类型(如AirSimYawMode),通过options.Resolver获取对应的格式化器进行序列化。
-
数组处理:在序列化和反序列化时,首先处理数组头部信息(数组长度),然后逐个处理数组元素。
-
错误处理:遇到不支持的类型时抛出明确的异常信息,便于调试。
性能考虑
-
模式匹配优化:C#的模式匹配在性能上表现良好,但如果有大量不同类型的处理,可以考虑使用字典或其他查找结构来优化。
-
缓存格式化器:对于频繁使用的自定义类型格式化器,可以考虑缓存起来而不是每次都通过Resolver获取。
-
数组预分配:在反序列化时预先分配数组空间,避免频繁的内存分配。
扩展性设计
这个解决方案具有良好的扩展性:
-
添加新类型支持:只需在switch-case中添加新的类型处理分支即可支持新的自定义类型。
-
模块化设计:可以将不同类型的分支处理逻辑提取到单独的方法中,保持代码整洁。
-
条件编译:可以使用条件编译指令为不同平台提供特定的实现。
结论
通过实现自定义的对象数组解析器并正确注册到MessagePack系统中,我们可以有效解决IL2CPP环境下自定义类型序列化的问题。这种方法不仅解决了当前的问题,还提供了一个灵活、可扩展的框架,便于未来添加更多自定义类型的支持。对于Unity开发者来说,理解MessagePack的解析器机制并能够根据项目需求进行定制,是高效使用MessagePack-CSharp的关键技能之一。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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