Multiplatform-Settings 库正式支持 Wasm 平台
2025-07-07 15:59:34作者:沈韬淼Beryl
随着 Kotlin Multiplatform 技术的不断发展,Wasm 平台的支持已成为开发者关注的重点。近日,广受欢迎的跨平台存储库 Multiplatform-Settings 在 1.2.0 版本中正式加入了对 Wasm 平台的支持,这标志着该库在跨平台兼容性方面又迈出了重要一步。
技术背景
Wasm(WebAssembly)是一种可移植的二进制指令格式,旨在为 Web 提供高性能应用。Kotlin 团队在 1.8.0 版本的 kotlinx.coroutines 中已经加入了对 Wasm 的支持,这为其他库的 Wasm 兼容性铺平了道路。
Multiplatform-Settings 是一个提供跨平台键值存储解决方案的库,它允许开发者在 iOS、Android、桌面等多个平台上使用统一的 API 来访问本地存储。此前,该库的协程版本(multiplatform-settings-coroutines)由于依赖关系限制,一直未能支持 Wasm 平台。
实现挑战
实现 Wasm 支持面临几个主要技术挑战:
- 协程依赖:kotlinx.coroutines 1.8.0 版本才正式支持 Wasm
- 测试框架:Turbine 测试库直到 1.1.0 版本才加入 Wasm 目标支持
- 构建配置:原有的 BuildHelpers.kt 配置需要进行重构以适应新的平台
解决方案
在 1.2.0 版本中,开发团队对构建系统进行了重构,并引入了以下改进:
- 新增 Wasm 目标支持:完整支持 wasmJs 平台
- 可观察性增强:新增了 multiplatform-settings-make-observable 模块,专门用于将 StorageSettings 转换为可观察的设置对象
- API 一致性:保持了与其他平台相同的 API 使用体验
使用示例
对于 Wasm 平台,开发者现在可以这样使用:
// 创建基础存储设置
val settings = StorageSettings(localStorage)
// 转换为可观察设置(需要添加 make-observable 依赖)
val observableSettings = settings.makeObservable()
// 转换为 Flow API
val flowSettings = observableSettings.toFlowSettings()
技术意义
这一更新为前端开发者带来了重要价值:
- 统一的存储解决方案:现在可以在 Web 前端使用与其他平台完全相同的存储 API
- 响应式编程支持:通过 Flow API 实现存储变化的响应式监听
- 代码复用:大幅提高了 Kotlin 代码在 Web 前端的复用率
升级建议
对于现有项目,建议:
- 检查所有依赖是否都已升级到兼容版本
- 特别注意新增的 make-observable 模块需要单独添加依赖
- 测试环境应更新到支持 Wasm 的测试框架版本
随着 Wasm 在 Kotlin 生态中的支持日益完善,Multiplatform-Settings 的这次更新为开发者构建真正全平台的应用程序提供了更加完备的工具支持。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
882
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
998
609