React Native Firebase 构建失败问题分析与解决:firebase-encoders-json 依赖问题
在 React Native 项目中使用 React Native Firebase 库时,Android 平台构建过程中可能会遇到 Failed to transform firebase-encoders-json-18.0.1.aar 的错误。这个问题通常与依赖仓库配置和版本冲突有关。
问题现象
当开发者尝试构建 Android 应用时,Gradle 构建系统会报错,提示无法转换 firebase-encoders-json 库的 AAR 文件。错误信息表明构建系统无法从配置的仓库中获取所需的依赖项。
根本原因
经过分析,这个问题主要有两个潜在原因:
-
使用了非官方仓库:项目中配置了阿里云的 Maven 仓库(maven.aliyun.com),这些第三方仓库可能没有同步所有 Firebase 相关的最新依赖项。
-
依赖版本冲突:项目中直接声明了多个 Firebase SDK 的版本,与 React Native Firebase 库自带的版本可能不一致。
解决方案
方法一:移除非官方仓库依赖
在 settings.gradle 文件中,移除所有指向阿里云 Maven 仓库的配置,仅保留 Google 官方仓库和其他必要的仓库:
dependencyResolutionManagement {
repositoriesMode.set(RepositoriesMode.PREFER_SETTINGS)
repositories {
google()
mavenCentral()
// 其他必要的仓库...
}
}
方法二:统一依赖版本
确保所有 Firebase 相关依赖使用相同版本。React Native Firebase v20.4.0 对应的 Firebase Android SDK 版本应该是兼容的,避免直接声明旧版本:
dependencies {
// 避免直接声明这些旧版本
// implementation "com.google.firebase:firebase-analytics:18.0.0"
// implementation 'com.google.firebase:firebase-messaging:20.2.4'
// 使用 React Native Firebase 自动管理的版本
implementation(project(':@react-native-firebase_xxx'))
}
方法三:清理构建缓存
在修改配置后,执行以下命令清理 Gradle 缓存:
./gradlew clean
./gradlew --stop
rm -rf $HOME/.gradle/caches/
最佳实践建议
-
优先使用官方仓库:Google 的 Maven 仓库是最可靠的 Firebase 依赖来源。
-
避免混合使用不同来源的 Firebase SDK:要么全部使用 React Native Firebase 提供的封装,要么全部使用原生 SDK,不要混用。
-
保持依赖版本一致:定期检查并更新所有 Firebase 相关依赖到兼容版本。
-
使用 Gradle 依赖分析工具:可以通过
./gradlew dependencies命令分析依赖树,查找潜在的版本冲突。
通过以上方法,开发者可以有效解决 firebase-encoders-json 转换失败的问题,并建立更健壮的 Firebase 集成方案。
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