Harbinger项目解析:Minecraft Mod开发中的物理端与逻辑端处理
引言
在Minecraft Mod开发中,正确处理客户端与服务器端的逻辑是至关重要的技术难点。本文将深入探讨Harbinger项目中涉及的物理端、逻辑端概念及其实现方式,帮助开发者理解Minecraft 1.3版本后的架构变化及其对Mod开发的影响。
Minecraft架构演变与网络IO
自Minecraft 1.3版本起,单人游戏模式实现方式发生了重大变革。游戏不再采用传统的单线程架构,而是通过模拟本地服务器的方式运行。这意味着:
- 即使是在单人游戏中,也存在完整的客户端-服务器架构
- 客户端与服务器之间必须通过网络IO进行通信
- 游戏逻辑被明确分离到两个不同的执行环境中
这种架构变化带来了更清晰的职责划分,但也增加了Mod开发的复杂性。客户端无法直接知晓服务器状态,服务器也无法直接获取客户端输入,所有交互都必须通过网络通信完成。
业务端判定技术
在原版Minecraft中,存在许多客户端与服务器逻辑耦合的情况。例如,当玩家右击方块时,消息可能会被显示两次——一次来自服务器处理,一次来自客户端处理。
传统解决方案的问题
早期开发者可能使用FMLCommonHandler.getEffectiveSide()方法进行判断,但这种方法存在以下问题:
- 早期实现是通过检查线程名来判断执行端,属于hack手段
- 新版本虽然改为检查
ThreadGroup,但仍不够规范 - 性能开销相对较大
推荐解决方案
从1.6.4到1.12.2版本,最可靠且高效的判断方式是检查World实例的isRemote属性:
world.isRemote == true // 客户端(世界是被遥控的)
world.isRemote == false // 服务器端(世界不是被遥控的)
这种方法直接反映了当前代码执行的逻辑端,是官方推荐的做法。
物理端与@SideOnly注解
@SideOnly的本质
@SideOnly是MCP(Mod Coder Pack)使用的注解,主要用途包括:
- 在合并客户端和服务器代码时标识来源
- 根据运行环境移除不匹配的代码
- 确保特定代码只在指定物理端存在
注解的有效值为Side.CLIENT和Side.SERVER,分别表示仅客户端和仅服务器端。
注解的实际效果
当方法被标记为@SideOnly(Side.CLIENT)时:
- 在物理服务器上调用会抛出
NoSuchMethodException - 在物理客户端上可以正常调用
反之,@SideOnly(Side.SERVER)标记的方法:
- 在物理客户端上调用会抛出异常
- 在物理服务器上可以正常执行
使用场景分析
@SideOnly主要适用于以下三种情况:
- 无注解:代码在服务器和客户端同时存在
- @SideOnly(Side.CLIENT):仅客户端存在的代码(如渲染相关)
- @SideOnly(Side.SERVER):仅服务器存在的代码(如某些命令处理)
物理端代理与依赖注入
@SidedProxy机制
@SidedProxy允许Mod在不同物理端使用不同的代理实现:
@SidedProxy(serverSide = "ServerProxy", clientSide = "ClientProxy")
public static Proxy myProxy;
这种机制基于物理端而非逻辑端,使得Mod可以在不同运行环境下拥有不同的行为。
代理模式实现示例
典型的代理实现包含三个部分:
- 公共代理基类:定义通用接口
- 服务器代理:实现服务器特有逻辑
- 客户端代理:实现客户端特有逻辑
// 公共基类
public class CommonProxy {
public void foo() {
System.out.println("CommonProxy says foo");
}
}
// 服务器代理
public class ServerProxy extends CommonProxy {
public void foo() {
System.out.println("ServerProxy says foo");
}
}
// 客户端代理
public class ClientProxy extends CommonProxy {
public void foo() {
System.out.println("ClientProxy says foo");
}
}
物理端与逻辑端的区别
理解物理端和逻辑端的区别是Mod开发的关键:
- 物理端:指实际的运行环境(物理客户端或物理服务器)
- 逻辑端:指代码当前执行的逻辑位置(通过
isRemote判断)
这种区分源于Minecraft 1.3后的架构变化,使得同一物理设备可以同时运行客户端和服务器逻辑。
最佳实践建议
- 优先使用
world.isRemote进行逻辑端判断 - 谨慎使用
@SideOnly,仅在必要时标记客户端或服务器专用代码 - 合理设计代理模式,分离不同物理端的特有逻辑
- 避免在服务器端代码中包含渲染等客户端专用操作
- 在客户端代码中不要处理应由服务器决定的核心游戏逻辑
通过遵循这些原则,可以开发出稳定、高效的跨平台Mod,同时避免常见的端相关错误。
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 StartedRust0193
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 Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook05