Android NowInAndroid项目中的序列化异常分析与解决
2025-05-12 18:51:27作者:田桥桑Industrious
问题背景
在Android NowInAndroid项目的demoRelease构建变体中,开发者在合并某个Pull Request后遇到了运行时异常。该异常发生在应用的兴趣选择界面,表现为序列化器未找到的致命错误,导致应用崩溃。
异常分析
从错误日志中可以清晰地看到关键错误信息:
Serializer for class 'c' is not found.
Please ensure that class is marked as '@Serializable' and that the serialization compiler plugin is applied.
这是一个典型的Kotlin序列化相关问题。当应用尝试序列化或反序列化某个类时,找不到对应的序列化器。值得注意的是,日志中显示的类名为'c',这实际上是经过混淆后的类名,表明在代码混淆(minification)过程中出现了问题。
根本原因
深入分析后发现,这个问题与Kotlin序列化插件和代码混淆的交互有关。具体场景涉及导航路由的序列化:
- 项目中定义了一个使用
@Serializable注解的数据类DetailPaneNavHostRoute,用于导航路由 - 在导航控制器中,代码通过
DetailPaneNavHostRoute::class引用了这个类 - 在导航操作中,使用了类型参数
popUpTo<DetailPaneNavHostRoute>()
尽管代码中有这些引用,但在代码混淆过程中,这个路由类仍然被移除了,导致运行时无法找到对应的序列化器。
解决方案
针对这类问题,推荐使用以下解决方案:
- 使用@Keep注解:在可能被混淆移除但又需要保留的类上添加
@Keep注解。这个注解会告诉混淆器保留被注解的类。
@Keep
@Serializable
data class DetailPaneNavHostRoute(...)
-
ProGuard规则:如果项目使用ProGuard或R8进行代码优化,可以添加特定规则来保留序列化相关的类。
-
显式引用:确保在代码中有对序列化类的显式引用,避免被优化移除。
最佳实践
为了避免类似问题,在Android开发中使用Kotlin序列化时,建议:
- 对于所有用作导航路由的序列化类,都添加
@Keep注解 - 在模块的build.gradle中正确配置序列化插件
- 在发布构建前,充分测试所有涉及序列化的功能
- 为重要的数据类添加适当的ProGuard保留规则
总结
Kotlin序列化与代码混淆的交互是Android开发中常见的问题源。通过理解序列化器生成机制和代码优化过程的关系,开发者可以更好地预防和解决这类运行时问题。在NowInAndroid项目中,为导航路由类添加@Keep注解是一个简单有效的解决方案,既保持了代码的简洁性,又确保了功能的可靠性。
对于复杂的Android应用,建议建立完善的序列化类管理策略,包括文档记录、测试覆盖和构建配置审查,以确保发布构建的稳定性。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.69 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
656
🎉 (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
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
657