Matrix-js-sdk 中 IndexedDBStore 初始化问题的分析与解决
在升级 matrix-js-sdk 从 29.1.0 到 30.3.0 版本时,开发者可能会遇到一个关于 IndexedDBStore 初始化的错误:"createUser is undefined, it should be set with setUserCreator()!"。这个问题涉及到 SDK 存储层的初始化流程变更,需要开发者调整初始化顺序或采用新的 API 使用方式。
问题背景
Matrix-js-sdk 是一个用于构建 Matrix 协议客户端的 JavaScript SDK。IndexedDBStore 是该 SDK 提供的基于 IndexedDB 的持久化存储实现,用于保存会话数据、用户信息等内容。在 30.3.0 版本中,存储层的初始化流程发生了变化,导致原有代码可能无法正常工作。
错误原因分析
当开发者按照旧版本文档中的示例代码初始化 IndexedDBStore 时:
let opts = { indexedDB: window.indexedDB, localStorage: window.localStorage };
let store = new IndexedDBStore(opts);
await store.startup();
系统会抛出错误,提示 createUser 方法未定义。这是因为在新版本中,IndexedDBStore 需要在初始化时明确知道如何创建用户对象,而旧版本中这一步骤是隐式完成的。
解决方案
临时解决方案(不推荐)
可以使用一个未公开且已废弃的方法临时解决问题:
indexedDBStore.setUserCreator(uid => new sdk.User(uid));
await indexedDBStore.startup();
虽然这种方法可以暂时解决问题,但由于它使用了未公开的 API,存在未来版本不兼容的风险,不建议在生产环境中长期使用。
推荐解决方案
正确的做法是调整初始化顺序,先创建客户端实例,再将其与存储关联:
const indexedDBStore = new sdk.IndexedDBStore({
indexedDB: global.indexedDB,
localStorage: global.localStorage,
dbName: 'web-sync-store',
});
this.matrixClient = sdk.createClient({
baseUrl: secret.baseUrl,
accessToken: secret.accessToken,
userId: secret.userId,
store: indexedDBStore,
// 其他配置...
});
await indexedDBStore.startup();
这种方式的优点在于:
- 完全使用公开且稳定的 API
- 符合 SDK 的设计意图
- 未来版本兼容性更好
技术原理
在 matrix-js-sdk 的内部实现中,IndexedDBStore 需要能够创建用户对象来处理存储中的用户数据。新版本中,这一功能被明确分离出来,要求开发者通过正确的初始化顺序来确保依赖关系正确建立。
当先创建客户端实例再启动存储时,存储层能够从客户端获取必要的用户创建功能,避免了直接依赖未公开的 API。这种设计更符合模块化原则,也使得依赖关系更加清晰。
总结
Matrix-js-sdk 30.3.0 版本对存储初始化流程进行了调整,开发者需要相应更新初始化代码。最佳实践是先创建客户端实例,再启动存储,而不是直接调用 setUserCreator 这样的未公开 API。这种变更反映了 SDK 向更清晰架构的演进,虽然短期内可能导致兼容性问题,但从长远看有利于项目的可维护性和稳定性。
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