PojavLauncher在Android 14上加载Mod时出现访问权限问题的分析与解决方案
问题现象
在PojavLauncher项目中,用户反馈在Android 14设备上加载Minecraft 1.19.2 Forge版本时,添加Mahoutsukai等Mod后会出现崩溃问题。崩溃日志显示系统抛出了"AccessDeniedException"异常,表明程序无法访问位于/storage/emulated/0/Android/data/net.kdt.pojavlaunch/files/.minecraft/mods/目录下的Mod文件。
技术背景分析
这个问题本质上是一个Android存储权限问题。从Android 11(API 30)开始,Google引入了Scoped Storage(分区存储)机制,对应用访问外部存储的权限进行了更严格的限制。特别是:
- 应用只能访问自己专属的存储目录(位于Android/data/包名/)
- 即使拥有存储权限,也不能直接访问其他应用的数据
- 需要通过Storage Access Framework(SAF)或MediaStore API来访问共享存储
在Android 14上,这些限制变得更加严格。从崩溃日志可以看到,PojavLauncher尝试通过Java NIO API直接访问Mod文件时被系统拒绝。
解决方案
对于开发者或高级用户,可以通过以下几种方式解决此问题:
-
使用专用文件管理器应用 推荐使用支持Android新存储机制的文件管理器(如Files by Marc),将Mod文件移动到PojavLauncher的专属目录中。这样操作可以确保文件权限正确设置。
-
修改PojavLauncher的存储访问策略 开发者需要更新应用代码,使用以下方法之一:
- 实现Storage Access Framework集成
- 使用MediaStore API访问文件
- 申请MANAGE_EXTERNAL_STORAGE权限(不推荐,可能被Google Play拒绝)
-
临时解决方案 对于测试目的,可以尝试:
- 将Mod文件放在内部存储目录(/data/data/包名/)
- 使用adb命令手动修改文件权限
最佳实践建议
-
对于Mod开发者:
- 考虑将Mod打包为更小的文件,减少存储访问需求
- 提供明确的安装指南,指导用户正确放置文件
-
对于PojavLauncher用户:
- 定期备份Mod和存档
- 关注应用更新,及时获取存储兼容性修复
- 考虑使用较新的Minecraft版本,可能具有更好的存储兼容性
总结
Android 14的存储权限变更给Java游戏启动器带来了新的挑战。PojavLauncher需要适应这些变化,更新其文件访问机制。用户在使用时也需要注意遵循新的存储规范,合理管理Mod文件位置。随着Android系统的持续演进,这类存储兼容性问题将变得越来越常见,需要开发者和用户共同适应。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C031
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00