Flutter Rust Bridge 中 StreamSink 错误处理的最佳实践
2025-06-13 13:53:34作者:段琳惟
在使用 Flutter Rust Bridge 进行跨语言开发时,StreamSink 是一个常用的工具,用于在 Rust 和 Dart 之间建立数据流通道。然而,开发者经常会遇到一个常见问题:当 Rust 端返回错误时,Dart 端无法捕获这些错误。
问题背景
在 Rust 端定义一个使用 StreamSink 的方法时,如:
pub fn sftp_upload_file(attr: String, remote_path: String, local_path: String, sink: StreamSink<(u64, u64)>) -> Result<(), SessionError> {
// 业务逻辑
}
对应的 Dart 端生成的代码会返回一个 Stream。开发者通常期望使用 try-catch 来捕获可能的错误:
try {
final stream = rust.crateApiSshSftpUploadFile(...);
await for (var item in stream) {
// 处理数据
}
} catch (e) {
// 期望捕获错误,但实际上不会执行
}
然而,这种错误处理方式并不能捕获 Rust 端返回的错误。
解决方案
方案一:使用枚举类型封装数据和错误
最直接的解决方案是修改返回类型,将数据和错误都封装在一个枚举类型中:
pub enum UploadProgress {
Data(u64, u64),
Error(String),
}
pub fn sftp_upload_file(..., sink: StreamSink<UploadProgress>) -> Result<(), SessionError> {
// 业务逻辑
if let Err(e) = some_operation() {
sink.add(UploadProgress::Error(e.to_string()));
return Ok(());
}
// 正常处理
sink.add(UploadProgress::Data(current, total));
Ok(())
}
Dart 端可以这样处理:
await for (var item in stream) {
switch (item) {
case Data(:final field0, :final field1):
// 处理进度数据
case Error(:final field0):
// 处理错误
}
}
这种方式的优点是:
- 实现简单直接
- 可以自定义错误类型和数据结构
- 错误处理逻辑清晰可见
方案二:扩展 StreamSink 功能(高级方案)
更优雅的解决方案是扩展 StreamSink 的功能,使其支持直接发送错误。这需要修改 Flutter Rust Bridge 的源码,添加类似 add_error 的方法:
impl<T> StreamSink<T> {
pub fn add_error(&self, error: String) {
// 实现将错误发送到 Dart 端
}
}
这样 Rust 端可以:
if let Err(e) = operation() {
sink.add_error(e.to_string());
return Ok(());
}
Dart 端则可以保持原有的 try-catch 结构:
try {
await for (var item in stream) {
// 处理数据
}
} catch (e) {
// 现在可以捕获到错误了
}
方案选择建议
对于大多数开发者,特别是 Rust 新手,推荐使用第一种方案。它不需要修改框架代码,实现简单,且错误处理逻辑明确。
第二种方案更适合有 Rust 开发经验的开发者,或者需要更符合 Dart 习惯的错误处理方式的场景。如果你选择这种方案,可以考虑向 Flutter Rust Bridge 项目提交 Pull Request,贡献这个功能。
总结
在 Flutter Rust Bridge 中使用 StreamSink 时,错误处理需要特别注意。通过封装枚举类型是最简单可靠的解决方案,而扩展 StreamSink 功能则提供了更符合 Dart 习惯的 API。开发者应根据项目需求和自身技术能力选择合适的方案。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
8
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
200
219
仓颉编译器源码及 cjdb 调试工具。
C++
129
861
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
630
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100