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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
386
458
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++
894
680
openEuler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。
C
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
805
198
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781