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。
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 StartedRust0197
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 Notebook0126
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。Python06
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 Notebook07