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。
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00