Dexie.js v4.1.0-beta.43 发布:原生集成 Y.js 实现协同编辑
Dexie.js 是一个轻量级的 JavaScript 索引数据库库,基于 IndexedDB 构建,提供了更简洁、更强大的 API。它特别适合需要在浏览器中存储大量结构化数据的应用场景,如离线应用、渐进式 Web 应用(PWA)等。
最新发布的 Dexie.js v4.1.0-beta.43 版本带来了一个令人兴奋的新特性——原生支持 Y.js 集成。这一功能为构建实时协作应用提供了强大的基础支持。
Y.js 集成概述
Y.js 是一个流行的 CRDT(冲突自由复制数据类型)库,专门用于构建实时协作应用。它通过算法确保不同客户端之间的数据最终一致性,非常适合文档协作、白板等场景。
Dexie.js 4.1.0-beta.43 版本通过以下方式实现了与 Y.js 的深度集成:
- 新的构造函数选项
Y,允许传入 Y.js 库 - 新的 schema 语法
<propertyName>:Y,声明虚拟 Y.Doc 属性 - 新的 DexieYProvider,负责文档的加载和同步
核心功能详解
1. 初始化配置
要在 Dexie 中使用 Y.js 功能,首先需要在创建数据库实例时传入 Y.js 库:
import * as Y from 'yjs';
import Dexie from "dexie";
const db = new Dexie("dbname", { Y });
2. Schema 定义
在定义数据库表结构时,可以使用新的 :Y 语法声明 Y.js 文档属性:
db.version(1).stores({
comments: 'id, title, contentDoc:Y'
});
这里的 contentDoc:Y 声明了一个虚拟的 Y.Doc 属性,它不会作为索引存储在数据库中,但会在查询结果中作为属性可用。
3. 文档操作
获取包含 Y.js 文档的对象后,可以使用 DexieYProvider 来加载和管理文档:
const comment = await db.comments.get(commentId);
try {
DexieYProvider.load(comment.contentDoc);
await comment.contentDoc.whenLoaded;
// 文档已加载,可以使用 Y.js 生态系统功能
} finally {
DexieYProvider.release(comment.contentDoc);
}
4. React 集成
对于 React 开发者,dexie-react-hooks 包提供了新的 useDocument() hook,简化了 Y.js 文档的使用:
function MyComponent({commentId}) {
const comment = useLiveQuery(() => db.comments.get(commentId));
const provider = useDocument(comment?.contentDoc);
return provider
? <CommentEditor doc={comment.contentDoc} provider={provider} />
: null;
}
技术实现细节
文档存储机制
在底层,每个声明的 Y 属性都会生成一个专用的表来存储 Y.js 更新。这些更新与父表和属性名称相关联。当文档更新时,会在这个表中添加新条目。
DexieYProvider 负责双向加载和观察更新,确保本地和远程变更能够正确同步。
文档实例管理
Y 属性具有以下特点:
- 永远不为 null 或 undefined,即使添加对象时未提供文档
- 不是对象的自有属性,而是设置在原型上
- 只读属性,只能通过 Y.js 方法更新
- 使用全局缓存管理,相同主键的对象共享同一个 Y.Doc 实例
应用场景
这一集成特别适合以下场景:
- 协作文档编辑(如 Google Docs 类应用)
- 实时白板协作
- 多人代码编辑器
- 任何需要实时同步结构化数据的应用
总结
Dexie.js v4.1.0-beta.43 通过原生集成 Y.js,为开发者提供了构建实时协作应用的强大工具。这一集成不仅简化了开发流程,还通过智能的文档管理和同步机制,确保了数据的一致性和性能。
对于已经使用 Dexie.js 的应用,这一新特性可以无缝集成,逐步添加协作功能;对于新项目,则可以直接基于这一强大组合构建完整的协作体验。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00