React Native Async Storage 在 New Architecture 下的构建问题解析
问题背景
在使用 React Native 的 New Architecture 模式构建项目时,开发者可能会遇到一个特定的构建错误,提示找不到 Async Storage 模块的 CMakeLists.txt 文件。这个问题主要出现在 Android 平台的构建过程中,特别是在启用了新架构(IS_NEW_ARCHITECTURE_ENABLED = TRUE)的情况下。
错误表现
构建过程中会出现类似以下的错误信息:
[CXX1409] expected buildFiles file 'app-react/node_modules/@react-native-async-storage/async-storage/android/build/generated/source/codegen/jni/CMakeLists.txt' to exist
问题原因
这个问题的根本原因在于 New Architecture 的代码生成机制。当启用新架构时,React Native 会使用代码生成(Codegen)来自动创建必要的本地接口文件,包括 CMakeLists.txt。但在某些情况下,这个自动生成过程可能没有正确执行,导致构建系统找不到预期的文件。
解决方案
临时解决方案
开发者可以手动执行以下命令来生成缺失的文件:
./gradlew generateCodegenArtifactsFromSchema
这个命令会强制触发代码生成过程,创建所有必要的文件,包括缺失的 CMakeLists.txt。
长期解决方案
-
检查依赖版本兼容性:确保使用的 React Native 版本与 Async Storage 版本兼容。较新的 React Native 版本(如 0.73+)通常需要对应版本的 Async Storage。
-
清理构建缓存:在尝试重新构建前,执行完整的清理操作:
./gradlew clean
rm -rf android/.cxx
- 验证项目配置:确保项目正确配置了 New Architecture 相关的设置,包括:
- gradle.properties 中正确设置了 newArchEnabled=true
- build.gradle 中正确配置了 React Native Gradle 插件
技术深入
New Architecture 下的构建过程与传统架构有显著不同。它依赖于代码生成来创建 JNI 接口和本地模块绑定。Async Storage 作为原生模块,需要正确参与这个过程。
当构建系统找不到 CMakeLists.txt 时,通常意味着:
- 代码生成步骤没有自动执行
- 生成的文件被错误地清理掉了
- 文件生成路径与构建系统预期不匹配
最佳实践建议
-
构建顺序:在启用 New Architecture 的项目中,建议先执行代码生成,再进行完整构建。
-
环境一致性:确保开发团队的 JDK、Gradle 和 Android Studio 版本一致,避免环境差异导致的问题。
-
版本锁定:对于关键依赖如 React Native 和 Async Storage,使用精确版本号而非范围版本,确保构建一致性。
-
构建脚本增强:考虑在项目的构建脚本中添加代码生成步骤作为前置条件,自动化解决此问题。
总结
React Native New Architecture 带来了性能优势,但也引入了更复杂的构建流程。Async Storage 作为常用存储解决方案,在新架构下的构建问题通常可以通过正确触发代码生成步骤来解决。理解 New Architecture 的构建机制有助于开发者更高效地解决类似问题。
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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112