TachiyomiSY同步功能中分类删除问题的技术分析
问题背景
在TachiyomiSY这款漫画阅读应用中,同步功能是一个重要特性,它允许用户在多设备间同步阅读进度和分类信息。然而,近期发现了一个影响用户体验的严重问题:当用户启用同步功能后,已删除的分类会在同步操作后重新出现。
问题现象
用户在使用同步功能时,按照以下步骤操作:
- 启用同步功能并执行首次同步
- 删除部分分类
- 再次执行同步操作
此时,预期行为是已删除的分类不应再出现,但实际观察到的现象是这些分类会被重新同步回来。
技术原因分析
通过查看源代码发现,问题出在同步服务的实现逻辑上。当前同步机制在处理分类时,总是无条件地添加本地不存在的分类到同步数据中,而没有考虑用户可能已经删除这些分类的情况。
具体来说,同步服务没有区分以下几种情况:
- 新增分类(需要同步到其他设备)
- 删除分类(需要同步删除到其他设备)
- 修改分类(需要同步修改到其他设备)
当前的实现只处理了第一种情况,导致删除操作无法正确同步。
解决方案探讨
针对这个问题,社区提出了几种可能的解决方案:
-
数据版本比对方案:缓存上次同步的数据内容或哈希值,在下次同步时进行比对。如果发现本地数据与远程数据完全一致,则用本地数据覆盖远程数据,而不是执行合并操作。
-
设备标识方案:在同步数据中包含设备ID信息。当检测到最后一次同步的设备是当前设备时,优先使用本地数据覆盖远程数据。
-
完整状态同步方案:改进同步机制,使其能够识别并正确处理所有三种操作类型(新增、删除、修改),而不仅仅是新增操作。
方案评估
第一种方案(数据版本比对)实现相对简单,但可能存在边缘情况,比如当两个设备同时进行修改时难以确定正确版本。
第二种方案(设备标识)可以解决单设备修改的问题,但在多设备同时使用时仍可能出现冲突。
第三种方案(完整状态同步)是最彻底的解决方案,但实现复杂度较高,需要对现有同步机制进行较大改动。
影响范围
这个问题不仅影响分类管理功能,还可能影响其他同步操作,如阅读进度的同步。在某些情况下,已经阅读的章节可能会在同步后被标记为未读,这表明同步机制需要更全面的改进。
结论
TachiyomiSY的同步功能需要更完善的冲突解决机制和数据状态管理。建议采用完整状态同步方案,明确区分数据操作类型,并实现相应的同步策略。同时,可以考虑引入时间戳或版本号机制来解决多设备同步冲突问题。
对于开发者而言,这是一个改进同步机制核心架构的好机会,可以借此提升整个应用的同步可靠性和用户体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01