Xamarin.Android .NET 10 Preview 5 新特性解析
Xamarin.Android 是微软推出的基于 .NET 平台的 Android 应用开发框架,它允许开发者使用 C# 语言和 .NET 生态系统来构建原生 Android 应用。近日,Xamarin.Android 发布了 .NET 10 Preview 5 版本(版本号 36.0.0-preview.5.116),带来了一系列重要的改进和新功能。
核心改进与新特性
1. 原生共享库链接基础设施
本次更新引入了统一的原生共享库链接基础设施,这为后续的跨平台原生库支持打下了坚实基础。开发者可以更高效地管理和链接原生库,特别是在处理复杂的跨平台场景时,这一改进将显著提升开发体验。
2. 类型映射生成优化
在 Xamarin.Android 的 AOT 编译过程中,类型映射(typemap)生成机制得到了重要优化:
- 将 JLO(Java 本地对象)扫描逻辑移到了链接器步骤中
- 为 CoreCLR 运行时添加了调试构建的类型映射支持
- 实现了 Java 到托管代码的类型映射
这些改进使得类型映射更加高效和可靠,特别是在调试场景下,开发者可以获得更好的开发体验。
3. 异常处理增强
在异常处理方面有两个重要改进:
- 修复了
ManagedValueManager中的异常解包问题 - 改进了
ManagedValueManager中可替换对象的处理
这些改进使得异常处理更加健壮,特别是在处理跨语言边界(Java 和 .NET 之间)的异常时,开发者可以期待更稳定的行为。
4. 性能分析器支持
新增了 $(EnableProfiler) 属性,开发者可以通过设置这个属性来启用性能分析器。这对于需要进行性能调优的应用来说是一个非常有用的功能,可以帮助开发者更准确地定位性能瓶颈。
5. CoreCLR 运行时改进
针对 CoreCLR 运行时做了多项优化:
- 支持快速开发(fastdev)程序集
- 提供了 Android ClassLoader 实现
- 改进了桥接处理等待逻辑
这些改进使得 CoreCLR 运行时在 Android 平台上的表现更加稳定和高效。
构建系统改进
1. 清单文件生成优化
将额外的提供者源代码生成从 <GenerateMainAndroidManifest> 任务中分离出来,这使得构建过程更加模块化,有助于提高构建系统的可维护性和扩展性。
2. AAR 文件路径验证
新增了对 AAR(Android Archive)文件中路径正确性的检查,这有助于早期发现潜在的资源打包问题,避免运行时出现资源加载失败的情况。
开发者体验提升
1. 可空引用类型支持
在多个任务和工具类中启用了可空引用类型(NRT)支持,这使得代码更加健壮,能够帮助开发者在编译时捕获潜在的空引用异常。
2. 测试覆盖扩展
扩展了测试覆盖范围,特别是针对 Java.Interop 的测试现在也可以在 CoreCLR 运行时上运行,这有助于确保跨运行时行为的一致性。
总结
Xamarin.Android .NET 10 Preview 5 版本在多个方面都有显著改进,特别是在原生库支持、类型映射、异常处理和运行时稳定性方面。这些改进不仅提升了框架的可靠性,也为开发者提供了更好的工具和功能来构建高质量的 Android 应用。
对于正在使用或考虑使用 Xamarin.Android 进行跨平台开发的团队来说,这个预览版本值得关注和试用,特别是那些需要高性能和稳定性的应用场景。随着 .NET 10 正式版的临近,我们可以期待 Xamarin.Android 会带来更多令人兴奋的功能和改进。
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 Notebook0114
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