Flutter启动流程分析之插件化升级探索

Flutter是Google推出的一款跨平台框架。与Weex等其他跨端框架不同的是,Flutter的界面布局绘制是由自己完成的,而不是转换成对应平台的原生组件。那么各个平台是如何启动它的呢?从Flutter官方提供的架构图上看,Flutter Embedder层提供了底层操作系统到Flutter的程序入口,平台采用适合当前系统特性的方式去各自实现。本文基于flutter 2.0.6版本源码,来探索Android平台上flutter Embedder层对应的启动流程,看看这个过程中做了些什么事情,有什么问题是需要我们在项目中注意的。

这部分源码位于engine源码中的/engine/shell/platform/android/ 目录下。

1.主流程

先来看看整体的流程:

Android以FlutterActivity/FlutterFragment/FlutterView的形式承载flutter界面。当我们使用AndroidStudio创建一个新的flutter工程时,生成的MainActivity是直接继承了FlutterActivity,那么很明显,主要的逻辑都在这个FlutterActivity里面了。从流程图看到,flutter的启动流程也是从FlutterActivity的onCreate方法开始的:

1.FlutterActivity将onCreate主要的操作委托给delegate对象去实现。

2.delegate中调用setupFlutterEngine创建FlutterEngine。

3.FlutterEngine初始化各种channel之后,再创建FlutterLoader去加载资源文件和apk里的打包产物,之后初始化JNI的几个线程和DartVM。

4.delegate之后再通过FlutterEngine注册各个插件。

5.FlutterActivity调用delegate的onCreateView创建FlutterView。

6.最后,onStart生命周期中通过delegate的onStart方法执行DartExecutor.executeDartEntrypoint,这个方法会在jni层执行Dart代码的入口函数。至此启动完成。

1.1.FlutterActivity

FlutterActivity也是继承的Activity,但是它把主要的功能都委托给了FlutterActivityAndFragmentDelegate类去实现,实现的Host接口主要是支持在delegate中获取FlutterActivity的一些参数,比如configureFlutterEngine,这些方法可以由子类去重写,实现自定义配置。

接下来,我们看看FlutterActivity的onCreate(),主要的两个步骤是:

1.delegate.onAttach(this): 初始化FlutterEngine、注册各个插件。(注意,这里传的this即是delegate中的host对象)

2.setContentView(createFlutterView()): 创建FlutterView并绑定到FlutterEngine。

这两个步骤都是委托给 FlutterActivityAndFragmentDelegate 去实现的。

1.2.FlutterActivityAndFragmentDelegate

1.2.1.onAttach

总结一下,onAttach中主要做了一下几件事情:

1.设置flutterEngine:

1.1.判断是否从缓存中获取;

1.2.判断是否有自定义flutterEngine;

1.3.new 一个新的flutterEngine对象;

2. 将插件attach到host activity,最终会调用各个插件的onAttachedToActivity方法。

3.创建PlatformPlugin

4.注册插件。

1.2.2.configureFlutterEngine

这里说一下configureFlutterEngine(flutterEngine)主要是干什么的,这个方法是在FlutterActivity中实现的,代码如下:

它通过反射找到了GeneratedPluginRegistrant类,并调用了其registerWith方法。这个类我们可以在工程中的/android/java/目录下找到,是flutter tool自动生成的,当我们在pubspec.yaml中添加一个插件,并执行pub get命令后即会生成。

系统默认使用反射实现,我们也可以在MainActivity中重写这个方法,直接调用registerWith方法。

1.3.FlutterEngine

再来看看FlutterEngine的构造函数。FlutterEngine是一个独立的flutter运行环境,通过它能使用DartExecutor执行Dart代码。

DartExecutor可以跟FlutterRenderer配合渲染UI,也可以在只在后台运行Dart代码,不渲染UI。

当初始化第一个FlutterEngine时,DartVM会被创建,之后可以继续创建多个FlutterEngine, 每个FlutterEngine对应的DartExecutor执行在不同的DartIsolate中,但同一个Native进程只有一个DartVM。

可以看到,这里面做的事情还是很多的:

1.初始化AssetsManager。

2.创建DartExecutor并设置对应PlatformMessageHandler。

3.初始化一系列的系统channel。

4.初始化FlutterLoader,加载Resource资源和libflutter.so、libapp.so等apk产物。

5.创建FlutterRenderer、FlutterEngineConnectionRegistry。

6.如果需要,自动注册pubspec.yaml中声明的插件。

接下来看一下FlutterLoader相关的内容。

1.4.FlutterLoader

FlutterLoader以单例的形式存在,一个进程只用初始化一次。用来加载apk安装包中的资源文件和代码产物,必须在主线程中进行。

startInitialization()方法中主要做了以下几件事情:

1.加载传给activity的meta配置信息;

2.提取apk安装包中的assets资源,主要是在DEBUG和JIT_RELEASE模式下的产物,比如vmSnapshotData、isolateSnapshotData等;

3.加载flutter engine C++部分源码,即在flutterJNI执行System.loadLibrary("flutter");

public void ensureInitializationComplete(
    @NonNull Context applicationContext, @Nullable String[] args) {
  //多次调用无效
  if (initialized) {
    return;
  }
  ...
  try {
    //startInitializatioz中得到的几个资源文件目录
    InitResult result = initResultFuture.get();
    //这个列表中动态配置了flutter启动需要加载的一些资源的路径
    List<String> shellArgs = new ArrayList<>();
    shellArgs.add("--icu-symbol-prefix=_binary_icudtl_dat");
    //libflutter.so的路径
    shellArgs.add(
        "--icu-native-lib-path="
            + flutterApplicationInfo.nativeLibraryDir
            + File.separator
            + DEFAULT_LIBRARY);
    if (args != null) {
      //方法参数中传来的,可以在重写FltterActivity::getFlutterShellArgs()来自定义参数
      Collections.addAll(shellArgs, args);
    }
    String kernelPath = null;
    //DEBUG和JIT_RELEASE模式下只加载snapshot数据
    if (BuildConfig.DEBUG || BuildConfig.JIT_RELEASE) {
      ...
      shellArgs.add("--" + SNAPSHOT_ASSET_PATH_KEY + "=" + snapshotAssetPath);
      shellArgs.add("--" + VM_SNAPSHOT_DATA_KEY + "=" + flutterApplicationInfo.vmSnapshotData);
      shellArgs.add(
          "--" + ISOLATE_SNAPSHOT_DATA_KEY + "=" + flutterApplicationInfo.isolateSnapshotData);
    } else {
    //RELEASE模式下加载libapp.so文件,这是Dart代码编译后的产物
    //默认是相对路径
      shellArgs.add(
          "--" + AOT_SHARED_LIBRARY_NAME + "=" + flutterApplicationInfo.aotSharedLibraryName);
      //同一个key可以存多个值,当根据前面的相对路径找不到文件时,再尝试用绝对路径加载
      shellArgs.add(
          "--"
              + AOT_SHARED_LIBRARY_NAME
              + "="
              + flutterApplicationInfo.nativeLibraryDir
              + File.separator
              + flutterApplicationInfo.aotSharedLibraryName);
    }
    ...
    //到jni层去初始化Dart VM和Flutter engine,该方法只可以被调用一次
    flutterJNI.init(
        applicationContext,
        shellArgs.toArray(new String[0]),
        kernelPath,
        result.appStoragePath,
        result.engineCachesPath,
        initTimeMillis);

    initialized = true;
  } catch (Exception e) {
    throw new RuntimeException(e);
  }
}

这个方法的作用是动态配置flutter引擎启动前的各种资源路径和其他配置,以 --key=value 的方式统一添加到shellArgs中,然后调用flutterJNI.init到C++层去处理,C++层会将传入的配置保存到一个setting对象中,之后根据setting创建FlutterMain对象,保存为一个全局静态变量g_flutter_main。之后初始化DartVM等步骤就可以用到这里保存的配置信息了。

1.5.onStart

根据Android中Activity的生命周期,onCreate执行完之后就是onStart了。同样的,FlutterView还是将onStart中的操作委托给了delegate对象去完成。

可以看到,onStart生命周期就做了一件事情:执行Dart代码的入口函数。这里有一些需要注意的地方:

1. DartExecutor只会执行一次,这意味着一个FlutterEngine对应的DartExecutor不支持重启或者重载。

2.Dart Navigator的初始路由默认是"/"。我们可以重写getInitialRoute来自定义。

3.Dart入口函数默认是main(),重写getDartEntrypointFunctionName方法可以自定义。

4. executeDartEntrypoint最终会通过FlutterJNI的方法来调用JNI方法来执行。在UI Thread中执行DartIsolate.Run(config),根据entrypoint_name找到Dart入口的句柄后运行_startIsolate执行入口函数,之后执行main函数的runApp()。

至此,Flutter项目成功在Android平台上启动完成。

2.应用-热更新

其实我这次探索Flutter启动流程的一个主要目的是寻找Flutter在Android侧的热更新方案。那么看完了整个流程之后,我们要如何做到热更新呢?

flutter app的apk安装包的几个主要产物是,flutter_assets、libflutter.so和libapp.so:

flutter_assets:包含flutter应用项目中的资源文件,font、images、audio等;

libflutter.so:flutter embedder层相关的C++代码。

libapp.so:我们写的Dart代码编译后的产物

只要可以在加载之前动态替换掉libapp.so这个文件,即可实现flutter代码的热更新。

2.1.方法一:反射修改FlutterLoader

那么libapp.so是在哪里加载的呢?其实上面 1.4.FlutterLoader 已经提到了,在ensureInitializationComplete()方法中,有一个shellArgs列表存储了资源路径配置信息。libapp.so对应的key是"aot-shared-library-name"。

那么,只要替换掉这一块代码,将路径设置成自定义的路径即可让框架去加载新的libapp_fix.so文件。具体步骤是:

1.继承FlutterLoader,重写ensureInitializationComplete(),将"aot-shared-library-name"对应的路径设置成自定义的路径。

2.我们看看flutterEngine中是怎么创建的FlutterLoader实例的:

flutterLoader = FlutterInjector.instance().flutterLoader();

那么,我们只要实例化自定义的FlutterLoader类,并通过反射的方式将FlutterInjector中的flutterLoader实例替换成新的实例即可。

2.2.方法二:重写getFlutterShellArgs()

我们注意到ensureInitializationComplete()方法中往AOT_SHARED_LIBRARY_NAME这个key里面添加了2个值,只有当相对路径下找不到文件的情况下才回去寻找绝对路径下的文件。那么我们只要将自定义的so文件路径设置成"aot-shared-library-name"第一条value就可以让框架只加载最新的安装包了。

由于ensureInitializationComplete()方法会将参数String[] args中的内容全部加入shellArgs列表,那么我们只要在args中加上"aot-shared-library-name=自定义路径"这一条配置就行了,我们看看这个args参数怎么来的:

host.getFlutterShellArgs().toArray()即使args参数的来源了。从之前的分析,我们已经知道了,delegate中的host对象是FlutterActivity的引用,我们再来看看FlutterActivity是怎么实现的:

这是一个public方法,那么我们只要在MainActivity中重写这个方法,并在获取到FlutterShellArgs之后将需要的配置添加进去即可:

很明显,这个方法更加简单有效。需要注意的是,这个配置只会在RELEASE模式下加载,所以DEBUG和JIT_RELEASE模式模式下调试是不起作用的。

3.总结

最后,大致进行一下总结:

1.纯flutter项目中,Android默认以FlutterActivity的形式承载flutter界面。Native-Flutter混合工程中还可以使用FlutterFragment/FlutterView2种方式,具体看使用场景。

2.FlutterActivity将绝大部分工作委托给FlutterActivityAndFragmentDelegate实现。

3.启动过程主要是FlutterActivity的onCreate()和onStart()方法。

onCreate() 会初始化FlutterEngine、注册各个插件,之后创建FlutterView并绑定到FlutterEngine。

onStart() 主要是通过DartExecutor去执行Dart代码的入口函数。

4.初始化第一个FlutterEngine时会创建和初始化DartVM。可以创建多个FlutterEngine,一个FlutterEngine对应一个DartExecutor,每个DartExecutor在自己的DartIsolate中执行。

5.DartExecutor可以和FlutterRender配合渲染UI,也可以只执行Dart代码不渲染UI。

6.FlutterView有两种模式:FlutterSurfaceView和FlutterTextureView。顾名思义,即分别使用surfaceView和textureView来承载flutter视图。FlutterSurfaceView渲染性能更好,但是视图在Native-Flutter混合工程中不支持灵活的z-index设置。

文/KECHANGZHAO

关注得物技术,做最潮技术人!

相关推荐

从中心调度到自驱协作多 Agent 架构的三次反转|得物技术

本文探讨多Agent系统中的控制权分配问题,提出三大协作架构:Master Agent(中心调度)、任务看板(共享状态)与Advisor(轻量咨询)。通过划清上下文边界与模型边界,强调应以信息相关性而非职业标签划分Agent。三种模式分别将决策权集中于中心、下放至共享状态、再下沉至执行者,形成控制权逐步下沉的演进路径。案例显示,合理设计可提升复杂任务的并行性、弹性与可维护性。

SmartCodeTech的博客 405

Jev 实战:为AI工作流引入轻量决策层 x10倍提速|得物技术

完成这三个场景后,我对适用边界有了更明确的认识:它们都可以先定义答案范围,再根据判断结果驱动下一步操作。接入时,我会优先明确输入、选项、采纳条件和兜底路径,再评估Jev是否适合承担这一环节。结合这些实践,我更容易理解Jev(TypeSafe System One)作为专用结构化决策模型不生成自然语言,而是返回带概率的判断结果。后续接入时,我会继续从脚本中边界明确的判断任务开始,分别验证准确性、耗时和费用,再决定是否扩大使用范围。下面整理了相关能力、限制和接入要点,便于查阅。

SmartCodeTech的博客 343

国产算力·昇腾 910C 大模型推理优化(下):源码修改与算子优化,提速30%|得物技术

本文延续上篇,深入vllm-ascend源码优化:通过多流重叠实现MoE共享专家并行计算,消除冗余事件开销,并解除与FUSED_MC2的互斥限制,实现c=1下TPOT从8.2ms降至8.0ms;优化decode阶段host侧开销,引入状态跟踪跳过冗余拷贝;设计Block Table CPU快路径,规避小batch下NPU kernel启动延迟;针对GDN层融合L2Norm至recurrent kernel,减少算子调用与内存往返。综合优化后推理性能显著提升,形成可复用的昇腾910C大模型推理优化方法论。

SmartCodeTech的博客 238

国产算力·昇腾 910C 大模型推理优化(上):镜像更新与参数调优,提速 40%|得物技术

文中详细给出每一项优化的动机、实现(含具体源码改动路径与关键代码片段)、验证数据与踩坑记录(包括十余项实测无效或负向的尝试),希望为同样在国产算力上做推理优化的团队提供一份可直接复用的工程参考。

SmartCodeTech的博客 217

动态规则的 Agent 实践:用确定性工程驾驭 LLM 的资产智能验收

面对财务验收中规则多变、材料非结构化、核对复杂等痛点,传统规则引擎难以应对。系统采用“规则即配置”思路,由大语言模型(LLM)负责理解合同、扫描件等非结构化材料并执行语义比对,工程系统则保障流程编排与可追溯性。通过异步处理、幂等设计、三类流量隔离及双通道(文本/图像)处理,实现高效稳定运行。结合用户反馈构建自动标准答案,辅以试跑、回测与发布门禁机制,形成闭环质量体系。底层采用确定性工作流架构,确保行为可预期、可测试,真正实现灵活规则的快速迭代与安全上线。

SmartCodeTech的博客 343

发一张图,它居然“跃“出屏幕了?一文读懂得物 3D 空间图片技术实践

3D 空间图片功能的落地,涉及模型生成、内容分发、客户端渲染之间的一系列取舍。本文重点分享如何生产出高质量、小体积的模型,以及如何在手机上流畅运行。

SmartCodeTech的博客 555

别再只卷向量检索了,得物交易搜索如何用“生成式”实现召回范式跃迁?

你搜"af1",它得给你"空军一号"。这一年,得物交易搜索把召回从"做选择题"改成了"写答案"——不再从商品池里"找"最像的,而是让模型自己"生成"你真正想要的。从 LLM 语义索引到 HLLM、语义 ID,搜索是怎么从"检索"走向"生成"的?

SmartCodeTech的博客 593

指标平台:从语义底座到智能消费的实践路径|得物技术

这篇文章想做的,不是在本体化的宏大叙事上再叠加一层理论,而是把我们在真实落地中验证过的路径讲清楚:语义底座怎么从零建立起来、怎么保证质量不失控、怎么支撑 Text2SQL 和 AI Coding 两条消费主线,以及沿着这条路径往前走,下一步该往哪个方向发力。

SmartCodeTech的博客 316

企业级 MultiAgent 落地:Plan 模式与主子 Agent 协作|得物技术

基于 AgentScope Java 的企业级 MultiAgent 平台,为研发、数据分析和知识问答等场景提供统一的模型调用、工具接入、任务编排、流式输出与运行追踪能力。

SmartCodeTech的博客 300

得物小摊 AI Native 演进实录:用 Harness 构建可控 AI 交付

AI Coding 一个人用很顺手,进了团队就漏:指令没人审、经验难沉淀、过程看不见、链路不闭环。作者团队基于 Multica 做了 EP-Harness,把 Agent 当成员管,给它套一层可执行、可观察、可治理的 Harness,并让反馈闭环。成果:可追溯决策、多 Agent 协作,高频异常从每 4 小时 2400 多条降到个位数,对得物技术补上团队级 AI 协作关键一环。

SmartCodeTech的博客 540

企业级 MultiAgent 的记忆系统:短期上下文与四层记忆架构实现|得物技术

在 MultiAgent 平台中,Agent 的"记忆"能力是实现智能对话和个性化服务的核心资产。本文深入剖析 Agent 记忆系统的设计理念与实现细节,重点解析长期记忆架构的写入与加载流程,涵盖 LLM 智能判断、语义检索、Token 预算控制、冲突处理等关键技术,为开发者提供完整的技术实现参考。

SmartCodeTech的博客 502

EP-Harness:从个人 AI Coding 到团队级 Agent 工作流|得物技术

AI Coding 个人用得爽,一到团队就崩。EP-Harness 把 Agent 从聊天工具变成团队协作成员——可管理、可追溯、可闭环。落地后高频异常从 2400+/4h 收敛到个位数。

SmartCodeTech的博客 688

得物知识问答:复合检索 Agent 的系统设计实践

从"搜到什么用什么"到"搜→筛→挖→验"自主决策闭环——我们造了一个有判断力的 RAG Agent,不是套壳。

SmartCodeTech的博客 733

实战从零开始构建一个Coding Agent:Violin |得物技术

理解了 coding agent 的构建原理,也就掌握了理解其他 agent 的一把钥匙。笔者对每天都在使用的 agent 原理很感兴趣,于是决定自己写一个:violin。

SmartCodeTech的博客 926

AI Native 交易核心系统的研发范式|得物技术

如何改造旧研发流程适配 AI 编码?本文提出五道标准化关口治理思路,依托 Claude Code Spec-Driven 插件打通需求澄清、方案设计、TDD 落地、门禁管控与埋点监控,构建带人工确认门控的完整工作流,以五层自底向上架构实现 AI 编码规范化落地。

SmartCodeTech的博客 972

推荐系统体验的数字化突破:得物自动化评测平台的技术实践|AICon 文章整理

「得物推荐 AI Harness 工程化实践系列」的末篇内容,本系列共三篇连载。本篇(末篇)详解得物推荐评测平台的完整技术体系:从主观体验量化到大模型自动化评测流水线,涵盖多维度指标设计、人机协作提示词校验闭环、分布式任务调度与成本精控等核心工程实现,以及单周百万级审计需求下实现 91% 资源成本优化的工业级落地实战细节。

SmartCodeTech的博客 1493

RAG 核心概念与原理:Chunking、Embedding、相似度、HNSW 与多路召回|得物技术

决定 RAG 效果的关键不在大模型,而是文本切块、查询改写、多路召回与精排。合理切块存好知识库内容,向量匹配抓语义、BM25 匹配关键词互补。先优化用户提问,快速召回一批相关文档,再用精排模型精细筛选,整套检索流程配合到位,问答准确度才会明显提升。

SmartCodeTech的博客 1079

从“机械应答“到“服务伙伴“:得物高可控智能客服的 Agent 工程实践|AICon 演讲整理

本次分享围绕以下核心技术展开:客服 Agent 挑战与架构设计(Single-Agent→Multi-Agent→Harness);高可控性数据飞轮(PE 自动化 + DPO 训练);RL 策略训练和人工经验对齐;多轮半双工消息流控制。

SmartCodeTech的博客 745

得物推荐系统诊断 Agent:从 “调接口” 到 “会思考”|AICon 演讲整理

本文是得物技术专家在 AICon 上海演讲整理的技术实录。AICon上海2026_全球人工智能开发与应用大会暨大模型应用生态展_InfoQ技术大会「得物推荐 AI Harness 工程化实践系列」的中篇内容,本系列共三篇连载。本篇(中篇)进一步详解得物推荐复杂业务场景下,AI代码从生成、防护校验到安全上线的完整技术体系、自研AI Harness整体架构框架、全流程安全防护机制、混合智能体核心算法实现,以及工业级工程落地的实战细节。

SmartCodeTech的博客 1361

得物 OceanBase 落地实践

得物选型OceanBase多模数据库应对业务挑战,通过验证其高可用架构、存储压缩技术及混合负载处理能力。测试显示OceanBase在复杂查询场景性能较MySQL提升130-200倍,在高并发TP/AP混合场景表现优异,存储成本降低40%+。通过DBA内部报表业务试点验证其稳定性后,逐步推广至核心业务场景,优化数据库技术栈,实现性能与成本的双重收益。

SmartCodeTech的博客 1380

AI UITester:AI Native 的 UI 自动化测试新范式|得物技术

ai_uitester 代表了 AI Native 的 UI 自动化测试新范式:这不仅是工具的升级,而是测试范式的转变 ------ 从 "代码驱动" 转向 "视觉驱动",从 "人工调试" 转向 "AI 自愈",从 "三端分离" 转向 "统一抽象"。

SmartCodeTech的博客 774

从狂野代码到按目标生产:得物推荐 AI Harness 的工程化实践|AICon 演讲整理

本文是得物技术专家在 AICon 上海演讲整理的技术实录。「得物推荐 AI Harness 工程化实践系列」的开篇内容,本系列共三篇连载。将系统拆解得物推荐复杂业务场景下,AI 代码从生成、防护校验到安全上线的完整技术体系,逐一详解自研 AI Harness 整体架构框架、全流程安全防护机制、混合智能体核心算法实现,以及工业级工程落地的实战细节。本篇(上篇):将整体介绍团队自研的 AI Harness 体系,包括建设思路、全生命周期防护机制、混合智能体架构及落地效果。

SmartCodeTech的博客 1080

从表单到 Agent:得物社区活动搭建的 AI 实践之路

一场营销活动从策划到上线,运营要在三个系统间跳转 10 + 次、填写 40 + 个字段。我们用 AI 重新设计了这条链路 —— 从 “AI 帮你填表单” 到 “两阶段 Agent + 聚合工作台”。这篇文章记录的不是技术细节,而是这条路上的选择和反思。

SmartCodeTech的博客 741

从埋点需求到规则资产:Hermes Agent 重构得物数仓工作流

埋点和指标需求中,消耗数据承接方的不是生成答案,而是补齐证据链、对齐历史口径、识别下游影响,并在生产写入前留下可追溯的确认记录。本文数据承接方指承接业务需求的数据同学或业务合作伙伴;后文讨论内部研发、元数据、查询和门禁能力在流程中的角色。

SmartCodeTech的博客 656

让 Claude Code 拥有自我进化和记忆系统|得物技术

本文记录了为 Claude Code 构建的一套持久化记忆与自我学习系统的设计思路与实现细节。这套系统让 AI 助手能够跨越会话边界记住用户习惯,并在每次对话结束后自动提炼行为规律和系统信息,通过向量检索快速提取关键信息,下一次对话时主动应用,逐步进化为更懂你的编程伙伴。

SmartCodeTech的博客 994

用 LLM Agent 重构告警排查流程|得物技术

告警排查需频繁切换日志、APM、链路追踪等多个平台,耗时 10~30 分钟,且高度依赖个人经验。我们做了 Troubleshooter——用 LLM Agent 自动完成数据采集、根因分析和处置建议生成。上线后中位数排查耗时从 20 分钟降到 4.4 分钟,覆盖 11 个服务和 10+ 种告警类型。

SmartCodeTech的博客 1004

HorizonVault 技术深潜:如何在 HDD 上做出 100GB/s+ 级大吞吐分布式存储|得物技术

HorizonVault是一款面向Kafka远程存储的高吞吐分布式存储引擎,通过分布式并行写入和状态感知调度解决冷数据存储的三大核心问题:吞吐瓶颈、性能抖动和恢复能力。系统采用分层架构,Meta负责全局资源调度,Broker处理请求路由,Store实现本地磁盘管理,形成完整的写入治理链路。通过将HDD磁盘提升为一等资源,实现顺序追加写入、多盘并行和慢盘隔离,在保证高吞吐的同时控制延迟。存储结构采用DiskStore组织磁盘资源,LogSegment顺序写入数据,IndexSegment定位读取,Change

SmartCodeTech的博客 890

Claude Code Harness 工程:数仓侧落地方案|得物技术

Harness 工程通过职责分层实现研发流水线可靠性提升。Claude 负责需求理解与代码生成等语义层工作;hooks 负责规范检查等确定性执行;Subagents 隔离血缘查询、自测等高 token 操作;Memory 承载跨会话状态持久化。四层协同使数仓 AI 开发从"对话式辅助"转变为"规则驱动的自动化流程"。

SmartCodeTech的博客 1093

BP Claw 破解 AI 编码输入难题 ——FlinkSpec 需求智能化实践|得物技术

本文为 FlinkSpec 系列之开篇,亦是这场工程化变革的序章。BP Claw 所立之处,不过链路之源。FlinkSpec 所图,乃以 AI 之力,将实时数仓从需求落地至验收上线的全程工序,熔铸为一套精密自洽、生生不息的智能工程体系。宏图未竟,后续系列将逐章揭幕,敬请期待!

SmartCodeTech的博客 1035

基于 Harness + SDD + 多仓管理模式的 AI 全栈开发实践|得物技术

Harness(约束)思维的本质是:给 AI 一个已有的实现作为参照,让它照着复刻一份,而不是凭空创造。就像给一个新入职的工程师说 "你照着这个模块的风格,写一个类似的",而不是 "你自由发挥"------ 前者往往能更快产出符合团队规范的代码。

SmartCodeTech的博客 1185
上一篇: 线上流量对比应用实践
下一篇: 分布式应用的基石 - 幂等实践
得物技术
得物技术 得物技术官方账号 得物技术官方账号
博客等级 码龄6年 2492粉丝 407原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值