MessagePack-CSharp 在 Unity 中序列化 Vector3 的解决方案
问题背景
在使用 MessagePack-CSharp 3.0.54-alpha 版本进行 Unity 项目开发时,开发者可能会遇到一个常见问题:尝试序列化包含 UnityEngine.Vector3 类型的自定义类时,系统会抛出 FormatterNotRegisteredException 异常,提示 Vector3 类型未在解析器中注册。
错误分析
这个问题的核心在于 MessagePack 的序列化机制。MessagePack 需要为每种要序列化的类型注册一个格式化器(Formatter)。对于 Unity 内置类型如 Vector3,在 MessagePack-CSharp 3.0.54-alpha 版本中,其格式化器不会自动注册到 StaticCompositeResolver 中。
解决方案
临时解决方案(针对 3.0.54-alpha 版本)
对于当前版本,开发者需要手动将 UnityResolver 及其内置的 Vector3 格式化器注册到 StaticCompositeResolver 中:
StaticCompositeResolver.Instance.Register(
StandardResolver.Instance,
UnityResolver.Instance, // 添加 UnityResolver
GeneratedResolver.Instance
);
MessagePackSerializer.DefaultOptions = MessagePackSerializerOptions.Standard
.WithResolver(StaticCompositeResolver.Instance)
.WithSecurity(MessagePackSecurity.UntrustedData);
未来版本解决方案
根据 MessagePack-CSharp 开发团队的反馈,这个问题已经在最新的开发版本中得到修复(虽然尚未正式发布)。在未来的版本中,Unity 内置类型的格式化器将会自动注册,开发者无需手动添加。
其他相关问题
在构建 Unity 项目时,开发者可能还会遇到另一个相关错误:
Fatal error in Unity CIL Linker
Mono.Linker.LinkerFatalErrorException: ILLink: error IL1005: MessagePack.ImmutableCollection.ImmutableCollectionGetFormatterHelper.GetFormatter(Type)
这个错误表明项目缺少对 System.Collections.Immutable 程序集的引用。解决方案是在 Unity 项目中添加对该程序集的引用,或者通过 NuGet 安装相应的包。
最佳实践建议
-
版本选择:如果可能,等待 MessagePack-CSharp 发布包含自动注册 Unity 类型的新版本。
-
类型注册:对于自定义类型,确保使用 MessagePackAnalyzer 生成相应的格式化器代码。
-
构建配置:在 Unity 的 IL2CPP 构建中,确保所有依赖项都正确配置,特别是对于系统程序集的引用。
-
错误处理:在序列化/反序列化代码中添加适当的错误处理,以捕获和处理可能的格式化器注册异常。
总结
MessagePack-CSharp 是一个强大的序列化库,但在 Unity 环境中使用时需要注意一些特殊配置。当前版本需要手动注册 Unity 内置类型的格式化器,而这个问题将在未来版本中得到改进。开发者应根据项目需求选择合适的解决方案,并关注库的更新以获取更好的开发体验。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00