Project-Graph节点删除异常问题分析与解决方案
问题背景
在Project-Graph项目中,用户报告了一个关于节点删除操作的异常现象:当用户在节点附近反复拉短线进行删除操作时,有一定概率会意外触发节点的删除。这一问题在Windows 10和Windows 11系统上均可复现,且不受系统显示缩放比例的影响。
问题现象分析
通过用户提供的多张截图和详细描述,我们可以观察到以下关键现象:
- 当用户在节点上边沿的横向坐标上任意一点进行操作时,都可能触发此问题
- 异常删除发生时,正常的删除特效不会显示
- 问题在1.4.12版本后触发难度增加,但仍存在
- 系统缩放比例调整(100%或125%)不影响问题复现
技术排查过程
开发团队通过多种技术手段对问题进行了深入排查:
1. 碰撞检测算法分析
初步怀疑是直线段与矩形碰撞检测算法存在问题。该算法的本质是检测直线段与矩形边框四个线段的相交情况。在早期版本中,当鼠标恰好重叠在水平线上时也会被判定为相交,这可能是导致误判的原因之一。
2. 特效显示差异
注意到正常删除和异常删除在特效显示上的差异:
- 正常删除:显示碎块裂痕特效
- 异常删除:不显示任何特效
这一差异为问题定位提供了重要线索,表明两种删除操作触发了不同的代码路径。
3. 逐帧观察法
通过逐帧观察用户操作过程,发现:
- 存在一个白色触碰点被检测到在节点右侧
- 右上角往下切割时特别容易出现此问题
- 有时会出现三个闪烁点(第二个闪烁点频繁抖动变化)
这些观察结果表明碰撞检测可能存在不稳定现象。
问题根源
综合各种分析,确定问题根源可能来自两个方面:
-
碰撞检测算法缺陷:直线段与矩形相交的判定算法在某些边界条件下会产生误判,特别是在水平线重叠情况下。
-
碰撞箱与实际显示不一致:节点的实际矩形碰撞箱与视觉显示的边框存在不一致,导致检测位置偏移。
解决方案
开发团队实施了以下修复措施:
-
优化碰撞检测前置条件:在1.4.16版本中,修改了碰撞检测算法,避免在鼠标恰好重叠水平线时的误判。
-
统一特效触发逻辑:确保所有删除操作都通过相同的代码路径触发特效,避免出现有的删除有特效、有的没有的情况。
-
增加删除操作验证:对于过短的删除线直接不触发删除操作,作为额外的保护措施。
验证结果
经过多次版本迭代(1.4.12至1.4.17),问题得到显著改善:
- 误触发的概率大幅降低
- 需要更精确的操作才能复现问题
- 最终在1.4.17版本中问题得到完全修复
经验总结
此问题的解决过程提供了宝贵的经验:
-
用户反馈的重要性:详细的用户报告和截图对问题定位至关重要。
-
多维度验证:通过特效差异、逐帧分析等多种手段交叉验证问题根源。
-
渐进式修复:通过多个版本的逐步优化,最终彻底解决问题。
-
边界条件处理:在碰撞检测等算法中,需要特别注意边界条件的处理。
这一案例展示了在图形界面应用中,精确的碰撞检测和一致的状态管理对于用户体验的重要性,也为类似问题的解决提供了参考模式。
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。C051
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TSX0129
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