Free5GC WebConsole 数据删除功能缺陷分析与解决方案
问题背景
在Free5GC v3.4.2版本的WebConsole界面中,用户发现了一个关键的数据管理问题。当用户通过WebConsole界面删除某些特定数据时,虽然UI界面上显示数据已被删除,但实际上这些数据仍然保留在系统中,并在后续操作中被错误地提交到MongoDB数据库。
问题详细描述
该问题主要影响WebConsole中的数据删除功能,具体表现为:
-
UI显示与实际存储不一致:用户在WebConsole界面点击"删除"按钮后,界面显示数据已被删除,但系统后台并未真正清除这些数据。
-
数据残留问题:被标记为"已删除"的数据实际上仍保留在系统中,包括以下关键数据项:
- AccessAndMobilitySubscriptionData
- SmfSelectionSubscriptionData
- SmPolicyData
- FlowRules
- QosFlows
-
数据库污染:当用户执行"创建"操作时,这些本应被删除的数据会被错误地包含在提交内容中,导致MongoDB表中出现重复或错误数据。
-
影响范围:该问题还波及到以下数据库条目:
- policyData.ues.chargingData
- policyData.ues.flowRule
- policyData.ues.qosFlow
- subscriptionData.provisionedData.amData
问题验证方法
技术人员可以通过以下步骤验证该问题:
- 使用Chrome浏览器访问WebConsole
- 打开开发者工具(F12)
- 切换到Network选项卡
- 选择Payload子选项卡
- 执行相关测试操作
- 观察Request Payload信息的变化,检查实际发送的消息内容
技术分析
该问题本质上是一个前后端状态同步问题。WebConsole的前端界面虽然更新了UI状态,但未能正确同步到后端数据存储。具体表现为:
-
前端状态管理缺陷:删除操作仅更新了前端显示状态,未触发或未正确处理后端数据删除请求。
-
数据提交逻辑错误:创建操作时,前端错误地包含了已被标记删除但实际未清除的数据。
-
数据完整性风险:这种不一致状态可能导致数据库中出现重复或冲突数据,影响系统正常运行。
解决方案
Free5GC开发团队已经针对此问题发布了修复方案。主要改进包括:
-
前后端同步机制优化:确保删除操作不仅更新UI,同时正确触发后端数据清除。
-
数据提交过滤:在创建操作中严格过滤已被删除的数据项,防止错误提交。
-
状态管理重构:重新设计前端状态管理逻辑,确保UI状态与实际数据状态一致。
升级建议
建议使用Free5GC WebConsole的用户升级到最新版本,该版本已彻底解决此数据删除问题。升级后,用户应特别注意:
- 检查历史数据的一致性
- 验证删除操作的实际效果
- 监控数据库中的数据完整性
总结
数据管理是5GC系统的核心功能之一,WebConsole作为重要管理界面,其数据操作的准确性直接影响系统可靠性。Free5GC团队对此问题的快速响应和解决,体现了对系统质量的高度重视。用户应及时应用最新修复,确保系统数据管理的准确性和一致性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00