MaaFramework项目中的RawByNetcat截图方法卡死问题分析与解决方案
2025-07-06 03:27:57作者:傅爽业Veleda
问题背景
在MaaFramework项目(版本2.0.0-alpha2和2.0.0-alpha3)中,用户在使用Ubuntu 24.04系统连接Redroid 11.0模拟器时遇到了一个关键问题:当尝试使用RawByNetcat截图方法时,系统会在accept timeout后卡住,无法继续执行后续操作。值得注意的是,同一模拟器中的其他ADB连接方式(如MAA和QtScrcpy)都能正常工作。
问题分析
经过深入排查,发现问题出在框架的多截图方法测试机制上。MaaFramework会测试多种截图方法以选择最快的一种,而RawByNetcat这种特定的截图方式在某些设备上无法正常工作,导致超时。正常情况下,超时后系统应该继续尝试其他方法,但在此案例中却出现了卡死现象。
技术层面上,这个问题与SockIOStream.cpp文件中实现的future取消机制有关。虽然项目团队之前已经专门修改过这个问题,采用了一种全平台通用的取消future方式,并进行了全平台测试,但在升级boost版本后,该问题又重新出现。
临时解决方案
对于遇到此问题的用户,可以采取以下临时解决方案:
- 修改interface.json文件中的controller配置,将screencap参数设置为7,强制使用ADB默认方式而跳过RawByNetcat方法:
{
"name": "ADB 默认方式",
"type": "Adb",
"adb": {
"screencap": 7
}
}
- 确保模拟器以正确的分辨率启动(避免竖屏模式),这可以解决后续可能出现的"templ size is too large"错误。
根本解决方案
项目团队在后续提交中针对此问题进行了修复:
- 在非Windows平台下屏蔽了RawByNetcat方法
- 尝试改用boost acceptor::async_accept实现,虽然解决了future退出的问题,但发现会导致原本能正常连接的设备无法连接
- 最终选择了在非Windows平台下禁用该方法的方案
其他相关问题
在问题排查过程中还发现了一些相关现象:
- 获取屏幕旋转方向的ADB命令在某些设备上无法执行,系统会默认使用0值,这对功能影响不大
- 竖屏模式会导致截图尺寸异常(720*1280),进而引发模板匹配错误
总结
这个问题展示了跨平台开发中网络通信和异步处理的复杂性,特别是在处理设备连接和截图功能时。项目团队通过分析问题根源、提供临时解决方案和最终代码修复,展示了专业的问题处理流程。对于开发者而言,这个案例也提醒我们在升级依赖库版本时需要特别注意兼容性问题,尤其是涉及底层网络通信的部分。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868