Expensify/App 客户端违规显示逻辑优化方案
2025-06-15 15:58:56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
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python02
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
Launch4j中文版:Java应用程序打包成EXE的终极解决方案 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 PANTONE潘通AI色板库:设计师必备的色彩管理利器 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 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 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 CS1237半桥称重解决方案:高精度24位ADC称重模块完全指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
290
2.61 K
deepin linux kernel
C
24
7
React Native鸿蒙化仓库
JavaScript
227
306
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++
605
182
暂无简介
Dart
577
127
Ascend Extension for PyTorch
Python
116
149
🎉 (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
1.04 K
609
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
452
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
46
77
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
157
60