React Native Async Storage 在开启新架构时的构建问题分析与解决方案
问题背景
在React Native生态系统中,Async Storage作为持久化存储解决方案被广泛使用。随着React Native新架构(Fabric)的推出,开发者在迁移过程中可能会遇到构建问题。本文针对一个典型问题进行分析:当开启新架构(IS_NEW_ARCHITECTURE_ENABLED=true)时,Android构建过程中出现的CMakeLists.txt文件缺失错误。
错误现象
开发者在构建React Native项目(版本0.73.6)时,Android构建系统报告以下错误:
[CXX1409] expected buildFiles file 'app-react/node_modules/@react-native-async-storage/async-storage/android/build/generated/source/codegen/jni/CMakeLists.txt' to exist
这个错误表明构建系统期望找到一个由代码生成器(codegen)创建的CMake配置文件,但该文件并未生成。
根本原因分析
这个问题主要与React Native新架构的构建流程有关:
-
新架构的代码生成机制:React Native新架构使用代码生成器来自动创建原生模块的接口代码,包括JNI层和C++代码。
-
构建顺序问题:在标准构建流程中,代码生成应该在编译开始前自动执行。但在某些情况下,这个步骤可能被跳过或执行顺序不正确。
-
环境配置因素:项目中的Gradle插件版本、React Native CLI工具链版本以及JDK版本等都可能影响代码生成步骤的执行。
解决方案
临时解决方案
-
手动触发代码生成: 在项目android目录下执行:
./gradlew generateCodegenArtifactsFromSchema这个命令会显式触发代码生成步骤,创建所需的CMakeLists.txt文件和其他接口代码。
-
清理构建缓存: 有时需要删除android/app/.cxx目录来确保干净的构建环境。
长期解决方案
-
检查项目配置:
- 确保package.json中包含Async Storage依赖
- 验证React Native CLI相关包版本是否兼容
- 确认Gradle和Android Gradle插件版本匹配
-
升级相关依赖: 保持@react-native-async-storage/async-storage、React Native以及相关构建工具为最新稳定版本。
-
构建脚本调整: 在android/app/build.gradle中确保正确配置了新架构相关选项。
技术深入
这个问题的本质是React Native新架构构建流程中的一个环节缺失。代码生成是新架构的关键部分,它为每个原生模块创建:
- JNI接口代码
- C++类型定义
- 相应的CMake构建配置文件
当这个步骤未能自动执行时,后续的NDK构建就会因为缺少必要的配置文件而失败。
最佳实践建议
-
逐步迁移:如果从旧架构迁移,建议逐步开启新架构特性,而不是一次性全部启用。
-
版本一致性:确保React Native、Async Storage和其他第三方库的版本相互兼容。
-
构建监控:在CI/CD流程中加入对新架构构建的专门检查步骤。
-
文档参考:仔细阅读React Native官方文档中关于新架构迁移的指南。
总结
Async Storage在新架构下的构建问题通常源于代码生成步骤的执行问题。通过理解新架构的构建流程和代码生成机制,开发者可以更有效地解决这类问题。建议开发者在遇到类似问题时,首先尝试手动触发代码生成,然后系统地检查项目配置和依赖版本,确保整个工具链的兼容性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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