React Native Vision Camera 在 RN 0.76 版本中 runAsync 问题的分析与解决
问题背景
在 React Native Vision Camera 这个强大的相机库中,开发者们经常使用 frame processors 来处理相机捕获的每一帧图像。其中 runAsync 方法是一个关键功能,它允许开发者将耗时的帧处理逻辑放到异步线程中执行,避免阻塞主线程导致帧率下降。
然而,当项目升级到 React Native 0.76 版本后,许多开发者发现 runAsync 方法突然停止工作,控制台会抛出错误提示:"Regular javascript function cannot be shared. Try decorating the function with the 'worklet' keyword"。
问题现象
开发者在使用 runAsync 方法时,同步部分的代码能够正常执行,但异步部分的回调函数却无法正常工作。典型的错误日志如下:
Frame Processor Error: Regular javascript function '' cannot be shared. Try decorating the function with the 'worklet' keyword to allow the javascript function to be used as a worklet., js engine: VisionCamera
根本原因
经过深入分析,这个问题主要与 React Native 0.76 版本对 JavaScript 引擎和工作线程(worklet)机制的改动有关。具体来说:
- React Native 0.76 对 JavaScript 引擎的共享机制进行了调整
- 工作线程(worklet)的装饰器处理逻辑发生了变化
- 异步回调函数的上下文传递方式在 RN 0.76 中有所不同
解决方案
要解决这个问题,开发者需要确保正确配置相关依赖和 Babel 插件:
-
依赖版本控制:
- react-native-reanimated: ~3.16.1
- react-native-worklets-core: 1.5.0
- react-native-vision-camera: ^4.6.3
-
Babel 配置: 在 babel.config.js 中添加必要的插件:
module.exports = function (api) { api.cache(true); return { presets: [...], plugins: [ "@babel/plugin-transform-async-generator-functions", ["react-native-worklets-core/plugin"], ["react-native-reanimated/plugin", { processNestedWorklets: true }] ] }; }; -
替代方案: 如果问题仍然存在,可以考虑使用 runAtTargetFps() 方法作为临时解决方案,它可以在一定程度上模拟异步处理的效果。
最佳实践
- 确保所有相关依赖版本兼容
- 仔细检查 Babel 配置,特别是 worklet 相关插件
- 在升级 RN 版本时,先在小规模测试环境中验证 frame processors 功能
- 考虑将复杂的帧处理逻辑分解为更小的单元,减少对异步处理的依赖
总结
React Native 版本升级带来的底层机制变化有时会影响特定库的功能。对于 Vision Camera 的 runAsync 问题,通过正确配置依赖和 Babel 插件,大多数情况下都能解决。开发者应当保持对 React Native 生态变化的关注,及时调整项目配置以适应新版本特性。
对于性能要求不是特别高的场景,也可以考虑使用同步处理或降低帧率的方式来规避异步处理带来的复杂性,这往往是更稳定的解决方案。
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 Notebook0114
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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08