MMKV 开源项目教程
2024-08-16 23:37:09作者:侯霆垣
项目介绍
MMKV 是一个高效、小巧、易用的移动键值存储框架,由微信团队开发。它利用 mmap 和 protobuf 编码/解码值,确保内存与文件同步,从而在 Android、iOS/macOS、Windows、POSIX 和 HarmonyOS NEXT 等多个平台上实现最佳性能。MMKV 支持多进程并发访问,易于使用,所有更改都会立即保存,无需同步或应用调用。
项目快速启动
安装
首先,从 GitHub 克隆 MMKV 项目:
git clone https://github.com/Tencent/MMKV.git
在 Android 项目中集成
在项目的根目录下的 build.gradle 文件中添加以下依赖:
buildscript {
repositories {
mavenCentral()
}
}
allprojects {
repositories {
mavenCentral()
}
}
在应用模块的 build.gradle 文件中添加以下依赖:
dependencies {
implementation 'com.tencent:mmkv-static:1.2.10'
}
初始化
在 Application 类中初始化 MMKV:
import com.tencent.mmkv.MMKV;
public class MyApplication extends Application {
@Override
public void onCreate() {
super.onCreate();
MMKV.initialize(this);
}
}
基本使用
import com.tencent.mmkv.MMKV;
public class MainActivity extends AppCompatActivity {
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
MMKV mmkv = MMKV.defaultMMKV();
mmkv.encode("string", "Hello from MMKV");
String str = mmkv.decodeString("string");
Log.d("MMKV", "Value: " + str);
}
}
应用案例和最佳实践
多进程访问
MMKV 支持多进程并发访问,适用于需要在多个进程间共享数据的场景。例如,在一个多进程的 Android 应用中,可以使用 MMKV 来存储和共享用户配置、缓存数据等。
MMKV mmkv = MMKV.mmkvWithID("shared", MMKV.MULTI_PROCESS_MODE);
mmkv.encode("shared_key", "shared_value");
String sharedValue = mmkv.decodeString("shared_key");
性能优化
MMKV 通过 mmap 和 protobuf 编码/解码值,确保了高效的读写性能。在实际应用中,可以通过对比 MMKV 和其他存储方案(如 SharedPreferences)的性能,选择最适合当前应用需求的存储方案。
典型生态项目
React Native 集成
MMKV 提供了 React Native 的绑定库 react-native-mmkv,使得在 React Native 项目中也能轻松使用 MMKV。
npm install react-native-mmkv
在 React Native 项目中初始化和使用 MMKV:
import { MMKV } from 'react-native-mmkv';
const storage = new MMKV();
storage.set("string", "Hello from MMKV");
const value = storage.getString("string");
console.log(value); // 输出: Hello from MMKV
跨平台应用
MMKV 支持多个平台,包括 Android、iOS/macOS、Windows 和 POSIX,使得开发者可以在不同的平台上使用同一套存储方案,简化开发流程,提高开发效率。
通过以上教程,您可以快速上手并深入了解 MMKV 开源项目,将其应用于您的移动应用开发中。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0197
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 Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python07
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
767
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
866
1.95 K
Ascend Extension for PyTorch
Python
725
897
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.35 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
238
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
629
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425