Xamarin.Android项目迁移至.NET 9时的ABI变化与包体积优化
在将Xamarin.Android项目从.NET 8迁移至.NET 9的过程中,开发者可能会遇到两个显著变化:一是默认支持的ABI架构数量减少,二是应用包体积的显著增加。这些变化实际上是.NET 9针对Android平台所做的优化调整,理解其背后的原理对于开发者进行正确的项目配置和发布至关重要。
ABI架构的默认调整
.NET 9对Android平台的ABI支持策略进行了优化,默认情况下只包含两种架构:
- android-arm64(64位ARM架构)
- android-x64(64位x86架构)
这与.NET 8时期的默认配置(包含四种架构:android-arm、android-arm64、android-x86和android-x64)形成了鲜明对比。这种调整是基于当前Android设备市场的实际情况做出的优化决策。
现代Android设备中,64位架构已成为绝对主流。根据统计,目前市场上超过95%的Android设备都采用64位处理器。因此,.NET 9默认只包含64位架构可以显著减少开发者的构建时间,同时对于大多数用户来说,并不会影响应用的兼容性。
包体积变化的真相
当开发者强制在.NET 9项目中包含所有四种ABI架构时,会发现生成的AAB/APK文件体积比.NET 8版本大很多。这主要是因为.NET 9引入了一项重要的优化技术:按架构分离托管程序集。
在.NET 9中:
- 每个ABI架构都有自己独立的托管程序集副本
- 这些程序集被存储为.so文件(如libassemblies.arm64-v8a.blob.so)
- 每个这样的文件大约占用8MB空间
这种设计虽然增加了AAB文件的总体积,但实际上对终端用户没有任何负面影响。因为:
- Google Play商店在分发应用时,只会下载与用户设备架构匹配的单一版本
- 最终用户下载的APK体积与.NET 8时期基本相同,甚至可能更小
- 实际测试数据显示,.NET 9版本的用户下载体积为15.2MB,反而比.NET 8的16.9MB有所减小
项目配置建议
对于大多数现代应用,建议采用.NET 9的默认配置(仅包含64位架构)。这样可以:
- 减少构建时间
- 简化发布流程
- 覆盖绝大多数用户设备
如果确实需要支持32位设备(如某些老旧设备或特定行业设备),可以通过在项目文件中显式指定RuntimeIdentifiers来包含所有架构:
<RuntimeIdentifiers>android-arm64;android-arm;android-x64;android-x86</RuntimeIdentifiers>
但需要注意,这会导致构建产物体积增加,但对终端用户的实际下载体积没有影响。
性能优化与兼容性平衡
.NET 9的这些变化体现了微软在性能优化与兼容性之间的平衡考量。通过减少默认架构数量,可以:
- 加快开发者的构建速度
- 减少CI/CD流水线的资源消耗
- 简化测试矩阵
而按架构分离托管程序集的设计则带来了:
- 更精确的架构优化
- 减少运行时转换开销
- 提高应用性能
开发者应当根据自己应用的目标用户群体和设备分布情况,合理选择支持的ABI架构,在兼容性和构建效率之间找到最佳平衡点。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0116
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08