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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00