Xamarin.Android 项目在.NET 9发布后遇到的.NET 8 Android应用发布问题解析
问题背景
在.NET 9正式发布后,许多使用.NET 8构建Xamarin.Android应用的开发者遇到了一个令人困扰的问题:当尝试发布针对.NET 8的Android应用时,系统报错提示"Microsoft.Android.Runtime.34.android-arm64 was not downloaded"。这个问题主要出现在使用GitHub Actions等CI/CD流水线的环境中。
问题现象
开发者在执行dotnet publish命令时,会遇到如下错误:
error NETSDK1112: The runtime pack for Microsoft.Android.Runtime.34.android-arm64 was not downloaded.
检查工作负载安装日志时,会发现系统实际上下载的是35版本的运行时包,而非项目所需的34版本:
Downloading Microsoft.Android.Runtime.35.android-arm64.Msi.x64 (35.0.7)
问题根源
经过深入分析,这个问题主要由以下几个因素共同导致:
-
SDK版本冲突:CI环境中同时安装了.NET 8和.NET 9的SDK,而默认情况下系统会优先使用最新版本(9.0.x)的SDK和工具链。
-
工作负载版本不匹配:当使用.NET 9的SDK时,它会尝试下载最新版本(35)的Android工作负载,而.NET 8项目需要的是34版本的运行时。
-
全局配置缺失:在没有明确指定SDK版本的情况下,构建系统无法自动选择正确的工具链版本。
解决方案
要解决这个问题,最有效的方法是通过全局配置文件明确指定所需的SDK版本。具体步骤如下:
- 在解决方案根目录下创建或修改global.json文件,内容如下:
{
"sdk": {
"version": "8.0.400"
}
}
-
确保CI流水线中安装的是指定版本的.NET SDK,而不是简单地使用"8.x"这样的范围版本。
-
清理工作负载缓存(可选):在某些情况下,可能需要清理现有的工作负载缓存以确保使用正确的版本。
深入理解
这个问题实际上反映了.NET多版本共存环境下的一个常见挑战。当新版本的.NET发布后,构建系统会倾向于使用新版本的组件,即使项目本身针对的是旧版本框架。在Xamarin.Android/Maui这类需要特定平台工具链的项目中,这种版本不匹配会导致运行时组件无法正确解析。
global.json文件的作用就是锁定特定的SDK版本,确保构建过程使用预期的工具链。这对于保持构建环境的稳定性和可重复性至关重要,特别是在团队协作和CI/CD场景中。
最佳实践建议
-
项目初始化时就应该包含global.json:这可以避免后续的版本兼容性问题。
-
CI环境中明确指定SDK版本:不要依赖默认的最新版本,特别是在多版本共存的环境中。
-
定期更新global.json中的SDK版本:当需要升级项目时,有计划地更新SDK版本,而不是被动地被新版本影响。
-
考虑使用SDK版本管理器:对于本地开发环境,可以使用像dotnet-vs或类似的工具来管理多个SDK版本。
通过遵循这些实践,开发者可以避免类似的构建问题,确保Xamarin.Android项目的顺利构建和发布。
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