PlantUML序列图中teoz引擎的组宽度问题解析
2025-05-20 20:00:32作者:邵娇湘
问题背景
在使用PlantUML的teoz引擎绘制序列图时,开发者发现了一个关于组(Group)元素宽度计算的异常现象。当组内包含带有激活(activation)的消息时,组的右侧会出现不合理的额外空白,导致组宽度明显大于不包含激活消息的情况。
现象分析
通过对比两组简单的序列图示例可以清晰观察到这个问题:
- 第一组仅包含普通消息交换:
group #ffa Group 1
Particpant_A -> Particpant_B
Particpant_A <- Particpant_B
end
- 第二组包含带有激活的消息:
group #ffa Group 2
Particpant_A -> Particpant_B++
Particpant_A <- Particpant_B--
end
在teoz引擎下渲染时,第二组的宽度明显大于第一组,这种差异并非用户期望的行为。
技术原因
经过深入代码分析,发现问题的根源在于teoz引擎对组边界计算逻辑的不一致性:
- 对于不含生命线事件(激活/去激活)的组,引擎会精确计算生命线左右两侧的空间
- 当存在生命线事件时,引擎会错误地将参与者标题框的边界作为组的边界
这种差异导致包含激活消息的组获得了不必要的额外宽度。
解决方案演进
开发团队经过多次迭代,逐步完善了解决方案:
- 初步修正:简单调整时间线事件的宽度计算,使其与普通消息组保持一致
- 深入分析:发现需要额外考虑激活层级对组宽度的影响
- 最终方案:在计算组右侧边界时,正确考虑最后一个生命线内的激活层级宽度
修正后的效果通过以下测试用例得到验证:
group #ffa Group 3b
Particpant_A -> Particpant_B++
activate Particpant_A
Particpant_A -> Particpant_B++
Particpant_A -> Particpant_B++
Particpant_A -> Particpant_B++
Particpant_A <- Particpant_B--
Particpant_A <- Particpant_B--
Particpant_A <- Particpant_B--
Particpant_A <- Particpant_B--
deactivate Particpant_A
end
该测试用例展示了多级嵌套激活情况下,组宽度能够正确适应不同的激活层级。
设计考量
在解决方案制定过程中,团队特别考虑了以下因素:
- 与Puma引擎的差异:明确teoz引擎不需要与Puma引擎保持完全一致的渲染结果
- 视觉一致性:确保组内外的边距和填充保持合理比例
- 激活层级的处理:正确处理多级激活对布局的影响
- 向后兼容性:确保修正不会影响现有其他类型的序列图元素
结论
该问题的解决不仅修复了组宽度的异常计算,还完善了teoz引擎对复杂激活场景的处理能力。通过这次修正,PlantUML序列图的布局算法变得更加健壮和可靠,能够更好地满足用户对专业图表布局的期望。
对于PlantUML用户来说,这意味着在使用teoz引擎时,无论是否包含激活消息,组元素的宽度都将保持合理且一致的视觉效果,从而提升整体图表的美观性和专业性。
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660