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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00