Expensify/App 客户端违规显示逻辑优化方案
2025-06-15 15:03:00作者:韦蓉瑛
背景介绍
在Expensify/App项目中,系统会检测并显示各种违规行为(Violations),如重复交易、自动拒绝费用等。这些违规信息需要根据不同用户角色和权限进行差异化显示。当前实现存在性能问题和技术债务,需要重构优化。
现有问题分析
当前系统存在以下技术痛点:
- 后端差异化计算:违规信息在后端根据不同用户单独计算,导致相同违规需要为不同用户重复计算
- 低效通信机制:需要为每个用户单独发送Onyx更新,违反"不要为不同用户发送略有差异的更新"的最佳实践
- 逻辑分散:违规可见性判断逻辑分散在后端,客户端无法灵活控制
技术解决方案
核心思路转变
将违规信息的过滤逻辑从后端迁移到客户端,后端统一计算所有可能的违规,由客户端根据用户角色和上下文决定是否显示。
关键实现细节
-
违规驳回状态存储:
- 使用交易记录的nameValuePairs字段存储驳回状态
- 数据结构示例:
{ "dismissedViolations": { "duplicatedTransaction": { "user@example.com": 1748905104132286 } } } - 键为违规类型,值为用户邮箱与驳回时间戳的映射
-
客户端过滤规则:
- 自动拒绝费用违规:
- 显示给:报告提交者 或 工作区管理员(当报告处于开放状态时)
- 超过自动审批限额:
- 仅显示给:工作区管理员(提交者无操作权限)
- RTER违规:
- 显示给:报告提交者 或 非即时提交的工作区
- 非智能扫描收据:
- 显示条件需同时满足:
- 用户有工作区访问权限
- 用户不是提交者
- 用户不是工作区管理员或报告未开放
- 显示条件需同时满足:
- 自动拒绝费用违规:
-
混合应用兼容:
- 方案需同时支持NewDot和Classic两种界面风格
- 保持行为一致性,确保两种界面显示相同的违规信息
技术优势
-
性能提升:
- 减少后端计算量,避免为不同用户重复计算相同违规
- 使用报告级Onyx通道广播更新,替代账户级通道
-
架构优化:
- 将业务逻辑集中到客户端,符合现代前端架构趋势
- 减少前后端耦合,提高系统可维护性
-
用户体验一致:
- 确保所有客户端显示相同的违规信息
- 支持实时更新,提升协作效率
实施注意事项
-
测试策略:
- 需模拟后端返回所有违规的场景
- 验证各类型违规在不同用户角色下的显示/隐藏行为
- 覆盖NewDot和Classic两种界面
-
数据兼容:
- 保持与现有驳回状态存储格式的兼容
- 确保迁移过程中不丢失用户已驳回的违规记录
-
性能监控:
- 实施后需监控客户端渲染性能
- 特别关注大型工作区或含多违规报告的场景
总结
该优化方案通过将违规过滤逻辑迁移到客户端,解决了现有架构中的性能瓶颈和代码维护问题。新设计遵循了"计算一次,广播所有"的原则,同时保持了灵活的用户级显示控制,为Expensify/App的违规处理系统奠定了更可持续的技术基础。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust093- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
696
4.5 K
Ascend Extension for PyTorch
Python
561
687
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++
956
948
Claude 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 Started
Rust
505
93
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
411
335
昇腾LLM分布式训练框架
Python
148
176
🎉 (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
1.6 K
938
Oohos_react_native
React Native鸿蒙化仓库
C++
338
387
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
139
221
暂无简介
Dart
942
235