KotlinConf应用中的多段工作坊合并技术实现
2025-06-26 23:53:52作者:沈韬淼Beryl
在JetBrains KotlinConf应用开发过程中,团队遇到了一个关于工作坊日程展示的特殊需求。Sessionize平台提供的工作坊数据被分割成了多个时间段的小节,而应用端需要将这些分散的小节合并为完整的工作坊进行展示。
问题背景
Sessionize平台默认将长时间的工作坊拆分成多个部分进行管理,例如:
Kotlin协程深入实践, 第一部分 (9:00-10:30)
Kotlin协程深入实践, 第二部分 (11:00-12:30)
Kotlin协程深入实践, 第三部分 (13:30-15:00)
Kotlin协程深入实践, 第四部分 (15:30-17:00)
这种展示方式在应用界面会造成以下问题:
- 用户界面会显得冗长重复
- 不利于用户快速识别完整的工作坊时间段
- 增加了日程管理逻辑的复杂度
技术解决方案
开发团队决定在数据转换层实现工作坊合并逻辑,将多个小节合并为单个完整的工作坊条目。以下是实现这一功能的关键技术点:
1. 工作坊识别算法
首先需要设计算法识别哪些session属于同一个工作坊。通过分析Sessionize的数据结构,发现可以通过以下特征识别:
- 标题前缀相同(去除"Part X"部分)
- 相同的演讲者信息
- 连续的时间段安排
fun isSameWorkshop(session1: Session, session2: Session): Boolean {
val title1 = session1.title.substringBefore("Part")
val title2 = session2.title.substringBefore("Part")
return title1.trim() == title2.trim()
&& session1.speakers == session2.speakers
}
2. 时间区间合并
识别出属于同一工作坊的session后,需要合并它们的时间段。这涉及到:
- 提取每个session的开始和结束时间
- 找出所有时间段中的最早开始时间和最晚结束时间
- 生成新的时间区间
fun mergeTimeSlots(sessions: List<Session>): TimeSlot {
val starts = sessions.map { it.timeSlot.start }
val ends = sessions.map { it.timeSlot.end }
return TimeSlot(
start = starts.min(),
end = ends.max()
)
}
3. 数据模型调整
为了保持数据结构的一致性,同时支持合并后的工作坊展示,需要对数据模型进行调整:
- 保留原始session列表作为后台数据
- 创建合并后的session视图模型
- 添加标记区分普通session和合并后的workshop
data class MergedWorkshop(
val baseTitle: String,
val timeSlot: TimeSlot,
val originalSessions: List<Session>,
val speakers: List<Speaker>
)
4. 前端展示优化
合并后的工作坊在前端展示时需要特殊处理:
- 显示完整的时间区间(9:00-17:00)
- 在详情页中仍可查看具体的分段安排
- 添加视觉标识表明这是合并后的工作坊
实现效果
通过上述技术方案,最终实现了以下效果:
Kotlin协程深入实践 (9:00-17:00)
同时保证了:
- 后台数据完整性 - 原始分段数据仍然保留
- 用户界面简洁性 - 合并展示减少重复条目
- 信息可访问性 - 用户仍可查看详细分段安排
技术挑战与解决方案
在实现过程中,团队遇到了几个技术挑战:
挑战一:边缘情况处理
- 解决方案:添加健全性检查,处理不完整的工作坊数据
- 实现方式:验证时间段的连续性,处理缺失部分的情况
挑战二:性能优化
- 解决方案:使用高效的数据结构进行session分组
- 实现方式:采用Kotlin的groupBy函数配合自定义分组逻辑
挑战三:多平台一致性
- 解决方案:在共享模块中实现合并逻辑
- 实现方式:将核心算法放在KMM共享模块中,确保各平台表现一致
总结
这一技术改进显著提升了KotlinConf应用的用户体验,同时展示了如何通过数据转换层解决原始数据与展示需求不匹配的问题。关键点在于:
- 保持原始数据的完整性
- 在适当的层级进行数据转换
- 提供清晰一致的展示逻辑
这种处理方式不仅适用于会议应用,对于任何需要合并展示分段数据的场景都有参考价值,如课程系统、项目管理工具等。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
473
3.52 K
React Native鸿蒙化仓库
JavaScript
286
338
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
224
91
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
722
174
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
10
1
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++
849
438
🎉 (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
1.27 K
699
🔥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