Realm-JS 在 Expo SDK 52 和 React Native 0.76 下的 Android 构建问题解析
问题背景
许多开发者在将项目升级到 Expo SDK 52 和 React Native 0.76 后,遇到了 Android 构建失败的问题,错误提示为"Could not find binary"(找不到二进制文件)。这个问题主要出现在使用 Realm-JS 数据库的项目中,特别是在启用了加密功能的情况下。
问题根源
经过社区成员的深入分析,发现这个问题的根本原因是 Expo SDK 52 移除了对 @react-native-community/cli 自动链接功能的依赖。Expo 现在默认使用 expo-modules-autolinking 来发现和管理模块,这一变化虽然被记录在 Expo 的更新日志中,但并未引起足够重视。
解决方案
要解决这个问题,开发者需要采取以下步骤:
- 在项目的 package.json 中添加 @react-native-community/cli 依赖
- 设置环境变量 EXPO_USE_COMMUNITY_AUTOLINKING=1
- 重新运行预构建命令
对于使用 EAS 构建的项目,还需要在 eas.json 配置文件中添加相应的环境变量设置。
详细技术说明
纯 React Native 项目
对于不使用 Expo 的纯 React Native 项目(0.76.5),如果同时使用了 expo-image 等 Expo 模块和 Realm,需要进行以下配置:
-
在 package.json 的脚本命令中添加环境变量:
EXPO_USE_COMMUNITY_AUTOLINKING=1 react-native run-android -
在 iOS 的 Podfile 中添加条件判断逻辑,根据环境变量选择使用哪种自动链接方式
-
在 Android 的 settings.gradle 中添加类似的判断逻辑
构建类型差异
值得注意的是,这个问题在调试构建和发布构建中表现可能不同。有些开发者报告调试构建可以正常工作,但发布构建仍然失败。这通常是因为环境变量没有正确传递到发布构建流程中。
项目现状
Realm-JS 项目目前处于维护模式,官方已宣布不再添加新功能。这意味着虽然社区可以提交 PR 来解决兼容性问题,但官方不会主动开发对 expo-modules-autolinking 的支持。
最佳实践建议
- 对于新项目,考虑使用替代的本地数据库解决方案
- 对于现有项目,按照上述解决方案进行配置
- 在构建发布版本时,确保环境变量正确设置
- 考虑使用 EAS 的本地构建功能,而不是直接使用 Android Studio
总结
Expo SDK 52 的架构变化导致了与 Realm-JS 的兼容性问题,但通过正确配置自动链接方式可以解决。开发者需要理解现代 React Native 生态中模块链接机制的变化,并根据项目需求选择合适的解决方案。虽然 Realm-JS 不再积极开发,但对于依赖它的现有项目,社区提供的解决方案仍然可以保证其正常运行。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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