Expensify/App项目报告页面无限加载问题分析与解决方案
2025-06-15 09:49:13作者:钟日瑜
问题背景
在Expensify/App项目的9.1.59-0版本中,测试人员发现了一个严重的功能性问题。当用户执行以下操作流程时:
- 创建手动费用报告
- 清除缓存并重启应用
- 尝试重新打开之前创建的报告
报告页面会出现无限加载的情况,无法正常显示内容。这个问题在多个平台(包括Android、iOS和桌面端)都能复现,影响了核心的报告查看功能。
技术分析
问题根源
经过开发团队排查,发现问题源于PR#62080的代码变更。该PR修改了核心的报告和费用创建流程,但在处理报告ID的路由参数时存在缺陷。具体来说,在SearchMoneyRequestReportPage组件中,代码错误地使用了不正确的参数获取方式,导致在清除缓存后无法正确解析报告ID。
关键代码段
问题出在SearchMoneyRequestReportPage组件的报告ID获取逻辑上。原始代码应该使用reportIDFromRoute方法来获取路由参数中的报告ID,但实际上使用了不匹配的参数获取方式,导致在特定情况下(特别是清除缓存后)无法正确获取报告ID。
影响范围
该问题影响了所有平台的报告查看功能,特别是:
- 移动端应用(Android/iOS)
- 移动网页版(mWeb)
- 桌面浏览器版
- 桌面客户端
解决方案
开发团队采取了以下措施解决该问题:
- 代码修复:修正了报告ID的获取逻辑,确保始终使用正确的reportIDFromRoute方法
- 紧急回滚:由于问题影响严重,团队决定先回滚引起问题的PR#62080
- 回归测试:修复后进行了全面的功能测试,确认问题已解决
技术启示
这个案例给我们几个重要的技术启示:
- 路由参数处理需要谨慎:在处理页面路由参数时,必须确保使用一致且可靠的方法
- 缓存清除场景的测试重要性:这类边界条件容易被忽略,但实际影响很大
- 回滚机制的价值:对于严重影响核心功能的bug,及时回滚是保证用户体验的重要手段
总结
Expensify/App团队通过快速响应和有效的技术决策,及时解决了这个影响核心功能的严重问题。这个案例展示了在复杂前端应用中处理路由参数和缓存状态的技术挑战,也为类似场景的问题排查提供了参考。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue07- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.88 K
Ascend Extension for PyTorch
Python
396
474
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
359
219
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++
902
703
🎉 (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
1.39 K
786
昇腾LLM分布式训练框架
Python
122
148
React Native鸿蒙化仓库
JavaScript
312
364
暂无简介
Dart
813
199
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
92
162