JEECG-Boot ERP模式下多表列设置缓存问题的解决方案
2025-05-02 01:02:33作者:秋阔奎Evelyn
问题背景
在JEECG-Boot 3.7.0版本中,当使用ERP模式时,系统会遇到一个关于表格列设置缓存的问题。具体表现为:当用户在主表中设置列的显隐状态后,这些设置会错误地影响到子表的列显示状态。
问题分析
这个问题源于系统在存储列设置信息时,采用了基于路由的缓存机制,但没有对主表和子表进行区分。具体表现为:
- 列设置信息存储在session中
- 存储时仅根据路由路径作为key
- 当多个表格共享同一路由时,它们的列设置会互相覆盖
在ERP模式下,一个页面通常包含多个关联表格(主表和子表),这种设计会导致:
- 主表的列设置会覆盖子表的列设置
- 子表的列设置也会影响主表
- 最终结果是表格列的显隐状态出现混乱
解决方案
经过分析,我们找到了一个有效的解决方案:
- 在props.ts文件中增加tableName属性
- 为每个表格组件传递唯一的表格名称
- 在匹配列设置时,将表格名称拼接到缓存key中
这样修改后,系统会为每个表格创建独立的列设置缓存,实现主表和子表列设置的隔离。
实现细节
具体实现需要修改以下几个部分:
-
表格组件属性: 为每个表格组件添加tableName属性,确保名称唯一且有意义
-
缓存key生成逻辑: 修改缓存key的生成方式,从单纯使用路由路径改为组合路由路径和表格名称
-
列设置存取逻辑: 在读取和存储列设置时,使用新的key生成方式
效果验证
修改后,系统表现如下:
- 主表的列设置不会影响子表
- 子表的列设置独立存储
- 用户可以分别设置每个表格的列显隐状态
- 刷新页面后,各表格的列设置保持正确
最佳实践
为了避免类似问题,建议:
- 在设计缓存机制时,充分考虑业务场景的复杂性
- 为ERP模式下的多表场景设计独立的缓存策略
- 在key设计时加入足够的区分维度
- 对关键功能进行充分的跨表测试
总结
这个问题的解决展示了在复杂业务场景下缓存设计的重要性。通过为每个表格添加唯一标识并改进缓存key的生成方式,我们成功解决了ERP模式下多表列设置互相干扰的问题。这种解决方案不仅适用于JEECG-Boot,对于其他类似的前端表格组件设计也具有参考价值。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1