Expensify/App 客户端违规显示逻辑优化方案
2025-06-15 15:39:11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
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。C046
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
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
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0124
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
最新内容推荐
Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
436
3.32 K
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++
701
379
Ascend Extension for PyTorch
Python
246
283
暂无简介
Dart
699
162
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
9
1
React Native鸿蒙化仓库
JavaScript
273
328
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
267
124
🎉 (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
1.23 K
677
仓颉编译器源码及 cjdb 调试工具。
C++
139
871