React Native Screens 库中 libfbjni.so 冲突问题的分析与解决
问题背景
在使用 React Native 开发 Android 应用时,许多开发者遇到了一个常见的构建错误,特别是在集成 react-native-screens 库后。这个错误表现为在构建过程中出现 libfbjni.so 文件冲突,导致构建失败。该问题主要影响使用 React Native 0.76.x 版本和 react-native-screens 3.35.0 及以上版本的项目。
错误现象
当开发者在项目中添加 react-native-screens 库后,执行 Android Studio 的"Make Project"或"Rebuild Project"操作时,会遇到如下错误信息:
Execution failed for task ':react-native-screens:mergeDebugAndroidTestNativeLibs'
2 files found with path 'lib/arm64-v8a/libfbjni.so' from inputs:
错误表明系统在构建过程中发现了两个相同路径的 libfbjni.so 文件,一个来自 react-native-screens 的构建中间产物,另一个来自 React Native 的缓存目录。
问题根源
这个问题的本质是 Android 构建系统中的库文件冲突。libfbjni.so 是 Facebook 提供的 JNI 库,被 React Native 框架和 react-native-screens 库同时依赖。在构建过程中,Gradle 发现两个相同名称的库文件但来自不同路径,导致构建失败。
值得注意的是,这个问题通常只在使用 Android Studio 进行"Rebuild Project"时出现,而通过命令行构建 APK 或 bundle 时可能不会出现。
解决方案
1. 清理构建缓存
首先尝试清理项目构建缓存和 Gradle 缓存:
- 删除项目目录下的 node_modules 文件夹
- 删除 android/app/build 目录
- 删除 android/app/.cxx 目录
- 删除 android/build 目录
- 清理 Gradle 缓存 (~/.gradle/caches)
2. 修改 react-native-screens 的构建配置
如果清理缓存不能解决问题,可以修改 react-native-screens 库的构建配置,明确排除冲突的库文件:
在 node_modules/react-native-screens/android/build.gradle 文件中,找到 packagingOptions 部分,添加以下排除规则:
packagingOptions {
excludes = [
"META-INF",
"META-INF/**",
"**/libjsi.so",
"**/libc++_shared.so",
"**/libreact_render*.so",
"**/libreactnativejni.so",
"**/libreact_performance_timeline.so",
"**/libfbjni.so", // 新增排除规则
"**/libreactnative.so" // 新增排除规则
]
}
3. 使用 patch-package 持久化修改
为了避免每次安装依赖后都需要手动修改,可以使用 patch-package 工具来持久化这些修改:
- 安装 patch-package:
npm install patch-package --save-dev - 修改 node_modules/react-native-screens/android/build.gradle 文件
- 运行
npx patch-package react-native-screens - 这将在项目根目录创建 patches 文件夹,保存你的修改
预防措施
- 保持 React Native 和 react-native-screens 版本的最新状态
- 定期清理构建缓存
- 考虑在 CI/CD 流程中加入缓存清理步骤
- 对于团队项目,使用 patch-package 共享构建配置修改
总结
libfbjni.so 冲突问题是 React Native 生态系统中常见的构建问题之一,主要源于库之间的依赖关系管理。通过理解问题的本质并应用上述解决方案,开发者可以有效地解决这一构建障碍,确保项目的顺利构建和运行。
对于长期项目维护,建议关注 React Native 和 react-native-screens 的版本更新,因为官方可能会在未来版本中解决这类依赖冲突问题。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00