RuoYi-Vue-Pro 项目流程审批中手机号校验问题分析与解决方案
问题背景
在 RuoYi-Vue-Pro 2.1.0-jdk8-snapshot 版本中,当用户发起流程审批时,如果审批人的联系方式为空,系统会抛出"联系方式不存在"的异常错误,但流程仍然能够正常启动。这种情况在实际业务场景中可能会影响用户体验,特别是当联系方式并非必填项时。
问题现象分析
从错误堆栈中可以清晰地看到,异常发生在 NotificationSendServiceImpl 类的 validateContact 方法中。当系统尝试发送通知时,会强制校验审批人的联系方式是否存在,如果没有设置联系方式,就会抛出 ServiceException 异常。
值得注意的是,虽然前端显示了错误信息,但后台流程实例仍然成功创建并启动了。这表明:
- 流程引擎本身的处理逻辑是正常的
- 问题出在流程启动后的通知环节
- 通知的发送与流程引擎的运行是解耦的
技术原理
在 RuoYi-Vue-Pro 的工作流实现中,流程审批涉及几个关键环节:
- 流程实例创建:系统首先创建流程实例,这是工作流的核心部分
- 任务分配:将任务分配给指定的审批人
- 通知发送:系统会尝试通过多种渠道通知审批人
通知功能是通过 NotificationSendServiceImpl 实现的,它会在以下情况下被调用:
- 流程启动时通知发起人
- 任务分配时通知审批人
- 任务完成时通知相关人员
解决方案
针对这个问题,可以考虑以下几种解决方案:
方案一:修改联系方式校验逻辑
在 NotificationSendServiceImpl 中修改 validateContact 方法,使其在联系方式为空时跳过发送而不是抛出异常:
public void validateContact(String contact) {
if (StrUtil.isEmpty(contact)) {
log.warn("联系方式为空,跳过通知发送");
return; // 修改为返回而不是抛出异常
}
// 原有校验逻辑...
}
方案二:增加通知功能开关
在发送通知前,先检查系统是否启用了通知功能:
@Resource
private NotificationEnableApi notificationEnableApi;
public void sendSingleNotificationToAdmin(Long userId, String templateCode, Map<String, Object> templateParams) {
if (!notificationEnableApi.isEnabled()) {
return;
}
// 原有发送逻辑...
}
方案三:前端增加联系方式校验
如果业务上要求审批人必须填写联系方式,可以在用户管理界面增加联系方式的必填校验:
- 修改用户表的联系方式字段为 NOT NULL
- 在前端表单中添加必填验证
- 在后端接口中添加参数校验
最佳实践建议
根据不同的业务场景,推荐以下实践:
- 非关键通知场景:采用方案一,允许联系方式为空时静默跳过
- 关键业务场景:采用方案三,强制要求填写联系方式
- 系统集成场景:采用方案二,提供灵活的功能开关
对于大多数企业应用,建议组合使用方案一和方案二,既保证系统的健壮性,又提供足够的灵活性。
总结
RuoYi-Vue-Pro 作为一款优秀的企业级开发框架,其工作流模块的设计考虑了大多数业务场景。在实际应用中,开发者需要根据具体业务需求对通知机制进行适当调整。本文分析的联系方式校验问题展示了框架的可扩展性,通过简单的修改就能适应不同的业务需求。理解这些机制有助于开发者更好地利用 RuoYi-Vue-Pro 构建稳定、灵活的业务系统。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00