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。
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-1.5暂无简介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
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
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