Expensify/App 离线删除费用项导致的无限加载问题分析与解决方案
2025-06-15 08:27:03作者:咎岭娴Homer
问题背景
在Expensify/App项目中,用户在使用离线功能时发现了一个关于费用项删除的异常行为。当用户在离线状态下删除费用项后,仍然可以点击已删除的费用项预览,导致应用进入无限加载状态。这个问题影响了多个平台,包括Android、iOS和Web端。
问题现象
具体表现为:
- 用户在离线状态下通过"更多"菜单删除费用项
- 删除操作完成后,费用项预览没有按预期变为灰色不可点击状态
- 用户仍可点击已删除的费用项,导致界面进入无限加载
- 当网络恢复后,界面会显示"内容不存在"页面
技术分析
经过深入排查,发现问题根源在于两种删除操作调用了不同的API方法:
- 通过预览上下文菜单删除时调用的是
IOU.deleteTrackExpense方法 - 通过"更多"下拉菜单删除时调用的是
IOU.deleteMoneyRequest方法
这两种方法在处理离线删除时的乐观更新逻辑不一致,导致UI状态更新出现差异。deleteMoneyRequest方法没有正确设置乐观删除数据,使得前端无法感知到费用项已被删除。
解决方案
开发团队提出了两种解决方案:
- 临时方案:回滚相关修改,移除"更多"菜单中的删除选项
- 永久方案:统一两种删除操作的调用方式,确保都使用
deleteTrackExpense方法
最终选择了第二种方案,因为它不仅修复了问题,还保持了功能完整性。修改后的代码确保:
- 所有删除操作都通过同一API方法执行
- 乐观更新逻辑一致
- UI状态能够正确反映删除操作
经验总结
这个案例给我们几个重要启示:
- 对于同一功能的不同入口,应保持后端调用的一致性
- 离线操作需要特别注意乐观更新的处理
- 新增功能时需要考虑所有可能的使用场景,特别是边缘情况
- 完善的测试用例对于发现这类问题至关重要
后续改进
为了防止类似问题再次发生,团队计划:
- 增加针对离线删除操作的回归测试用例
- 审查其他可能存在的多入口不一致问题
- 优化乐观更新机制的统一性
- 加强代码审查中对边缘情况的关注
这个问题的解决过程展示了Expensify团队对产品质量的重视和对用户体验的关注,也体现了开源社区协作解决问题的效率。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137