Expensify/App中离线状态下交易线程无限加载问题分析
问题现象
在Expensify/App项目中,当用户在离线状态下执行特定操作流程时,会遇到交易线程无限加载且头部信息为空的问题。具体表现为:用户在工作区聊天中提交两笔费用后,删除报告并转到个人DM,在离线状态下点击任何费用预览时,交易线程界面会持续加载且不显示任何头部信息。
技术背景
该问题涉及Expensify/App中的费用管理核心功能,特别是与交易线程相关的处理逻辑。交易线程是Expensify中用于跟踪特定交易讨论的独立会话,当用户查看或讨论某笔具体费用时,系统会自动创建或关联相应的交易线程。
根本原因分析
经过技术团队深入排查,发现问题源于以下几个关键因素:
-
报告动作缺失:当缺少
reportActions时,系统会进入无限加载状态。这源于ReportActionsView.tsx中的相关逻辑判断。 -
交易线程ID生成问题:在创建
REQUEST_MONEY请求时,系统既没有生成乐观的optimisticTransactionThread,也没有创建optimisticCreatedActionForTransactionThread,同时请求参数中缺少transactionThreadReportID和createdReportActionIDForThread。 -
删除操作后的ID不一致:当报告被删除后,系统会为交易生成新的
reportID,这导致reportActions变为空值。
解决方案
技术团队提出了以下修复方案:
-
启用乐观交易线程生成:通过向
getMoneyRequestInformation传递shouldGenerateOptimisticTransactionThread = true参数,确保系统能够获取transactionThreadReportID和createdReportActionIDForThread。 -
完善请求参数:在相关请求中添加
transactionThreadReportID和createdReportActionIDForThread参数,确保交易线程能够正确初始化和加载。
技术实现细节
修复方案主要修改了IOU.ts文件中的相关逻辑:
- 在
getMoneyRequestInformation调用时添加了shouldGenerateOptimisticTransactionThread参数 - 完善了请求参数传递,确保交易线程相关ID能够正确传递
- 优化了报告删除后的处理逻辑,保持交易线程的一致性
影响范围
该问题主要影响以下平台:
- Android应用和移动网页版
- iOS应用和移动网页版
- MacOS桌面版和网页版
- Windows Chrome浏览器
经验总结
此案例提醒我们在处理离线状态下的交易流程时需要特别注意:
- 确保关键ID在操作流程中的一致性
- 离线状态下应保持足够的乐观数据生成能力
- 删除操作后的状态恢复需要特别处理
- 交易线程的初始化参数必须完整
通过这次问题的分析和解决,Expensify/App在离线状态下的交易处理能力得到了进一步巩固,为用户提供了更稳定的使用体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0447
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-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++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00