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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00