Multiplatform-Settings 库正式支持 Wasm 平台
2025-07-07 21:47:12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
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
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217