探索 Multiplatform Settings:跨平台持久化数据的利器
在开发多平台应用时,共享并持久化关键数据是一个常见需求。Multiplatform Settings 是一个以 Kotlin 编写的库,它允许你在多种平台上实现这个功能。无论是在 JVM、JavaScript、Android,还是苹果家族(iOS、macOS、tvOS、watchOS),甚至是 Windows 平台,都能轻松使用。
项目技术概览
该项目提供了 Settings 接口,该接口在所有支持的平台上都有具体实现,封装了各自平台的数据存储机制。例如,Android 上使用 SharedPreferences,iOS 和其他苹果设备上使用 NSUserDefaults,而在 JavaScript 中则利用 Storage 对象。
项目通过 Maven 中心仓库分发,因此添加依赖非常简单。此外,还提供了一种无需传入平台特定依赖的模块——multiplatform-settings-no-arg,方便快速启动项目。
使用方法
添加到项目
首先,在你的构建文件中添加 Maven 中央仓库,然后在共同源集的依赖项中引用 Multiplatform Settings:
repositories {
mavenCentral()
}
dependencies {
implementation("com.russhwolf:multiplatform-settings:1.1.1")
}
创建 Settings 实例
你可以直接通过构造函数创建 Settings 实例,并传递平台特有的数据存储对象。对于简单的场景,还可以使用 Settings() 函数,无需手动管理依赖。
在 Android 中,可以这样创建:
val settings: Settings = SharedPreferencesSettings.getSharedPreferencesSettings(context)
在 iOS 或 macOS 等苹果设备上:
val settings: Settings = NSUserDefaultsSettings.defaultUserDefaults()
在其他平台上,也有相应的工厂类(如 SharedPreferencesSettings.Factory)帮助你更便捷地创建和管理多个 Settings 实例。
应用场景
Multiplatform Settings 可用于各种需要跨平台持久化数据的应用场景。比如,保存用户的偏好设置、应用程序状态或游戏进度等。由于它能与平台原生机制无缝集成,所以在保证数据安全性的同时,也提供了良好的性能。
项目特点
- 多平台兼容:支持 Android、iOS、macOS、tvOS、watchOS、JVM、JavaScript 和 Windows。
- 方便的 API:提供
put和get方法以及操作符重载,易于使用。 - 属性委托:可以使用属性代理简化代码,确保类型一致且访问安全。
- 无依赖模块:
multiplatform-settings-no-arg模块让你在不处理平台依赖的情况下快速创建 Settings 实例。
Multiplatform Settings 使你能够专注于业务逻辑,而不是繁琐的数据持久化工作。其灵活的 API 设计和全面的平台支持,使其成为跨平台开发中的理想选择。现在就尝试将它加入到你的项目中,享受简化后的开发过程吧!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0110- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
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