AWS Amplify 在 React Native 0.77 中配置推送通知的 Swift 实现指南
背景介绍
随着 React Native 0.77 版本的发布,iOS 项目的默认模板已经从 Objective-C 迁移到了 Swift。这一变化使得许多开发者在使用 AWS Amplify 推送通知服务时遇到了配置上的困惑,因为官方文档主要提供了 Objective-C 版本的 AppDelegate 配置示例。
核心问题
在 React Native 0.77 及以上版本中,iOS 项目使用 Swift 编写的 AppDelegate.swift 文件替代了传统的 AppDelegate.m 或 AppDelegate.mm 文件。这导致开发者无法直接套用 AWS Amplify 文档中提供的 Objective-C 配置示例。
解决方案
1. 导入必要的模块
首先,在 AppDelegate.swift 文件的顶部,需要导入 Amplify 推送通知模块:
import AmplifyRTNPushNotification
2. 实现推送通知代理方法
在 AppDelegate 类中,需要实现两个关键的推送通知处理方法:
func application(_ application: UIApplication,
didRegisterForRemoteNotificationsWithDeviceToken deviceToken: Data) {
AmplifyPushNotification.didRegisterForRemoteNotifications(withDeviceToken: deviceToken)
}
func application(_ application: UIApplication,
didReceiveRemoteNotification userInfo: [AnyHashable: Any],
fetchCompletionHandler completionHandler: @escaping (UIBackgroundFetchResult) -> Void) {
AmplifyPushNotification.didReceiveRemoteNotification(userInfo,
withCompletionHandler: completionHandler)
}
注意事项
-
在 Swift 实现中,这些方法不需要使用
override关键字修饰,因为它们不是对父类方法的覆盖。 -
确保在项目中已经正确安装了 AWS Amplify Push Notifications 相关依赖。
-
这些方法需要在 AppDelegate 类中直接实现,而不是通过扩展或其他方式。
实现原理
这两个方法分别处理了推送通知的两个关键生命周期事件:
-
设备令牌注册:当应用成功注册远程通知服务时,系统会调用第一个方法,并返回设备的唯一令牌。这个令牌需要传递给 Amplify 服务,以便服务器能够识别设备并发送定向推送。
-
通知接收处理:当应用接收到远程通知时,系统会调用第二个方法。这个方法负责将通知数据传递给 Amplify 进行处理,并最终执行完成处理程序,告知系统处理结果。
最佳实践
-
在实现这些方法前,确保已经在 AWS Amplify 控制台正确配置了推送通知服务。
-
考虑在这些方法中添加日志输出,方便调试推送通知的注册和接收过程。
-
对于生产环境,建议添加错误处理逻辑,以应对可能的推送服务异常情况。
-
如果应用需要在前台显示通知,还需要额外实现相关的展示逻辑。
总结
随着 React Native 向 Swift 的迁移,开发者需要适应新的配置方式。本文提供的 Swift 实现方案能够帮助开发者在 React Native 0.77 及以上版本中顺利集成 AWS Amplify 的推送通知服务。通过正确实现这两个核心方法,开发者可以确保应用能够正常接收和处理来自 AWS 的推送通知。
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。C033
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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