Expensify/App移动端费用报告功能崩溃问题分析
问题背景
在Expensify移动应用的最新版本中,测试人员发现了一个严重的功能性问题。当用户尝试将费用从个人聊天转移到工作区报告时,应用会出现崩溃现象。该问题主要影响Android平台的折叠屏设备,特别是在快速操作场景下。
问题现象
用户在完成以下操作流程时会遇到应用崩溃:
- 创建工作区并进入工作区聊天
- 提交一笔费用
- 点击费用预览
- 选择报告功能
- 从报告中移除该费用
- 进入个人聊天
- 再次点击费用预览
- 快速选择报告功能
- 选择之前创建的工作区报告
技术分析
经过深入排查,发现问题根源在于后端API返回的数据格式与前端预期不符。具体表现为:
-
数据不一致性:当用户快速操作时,后端GetMissingOnyxMessages API返回的交易记录中reportID字段为空字符串,而非预期的有效报告ID或null值。
-
前端处理不足:前端代码在IOURequestStepReport组件中直接使用了这个可能为空的reportID来构建Onyx存储键值,没有进行充分的空值处理。
-
状态更新延迟:快速操作导致交易记录的reportID更新存在延迟,而前端已经尝试基于这个尚未更新的值进行后续操作。
解决方案
针对这个问题,开发团队提出了多层次的解决方案:
-
后端修复:修正API返回的数据格式,确保reportID字段始终返回有效值或null,避免空字符串的情况。
-
前端容错处理:在IOURequestStepReport组件中添加防御性编程,当reportID无效时使用undefined作为回退值,并设置canBeMissing标志为true。
-
状态同步优化:考虑在前端添加状态检查机制,确保在reportID更新完成后再进行相关操作。
经验总结
这个案例为我们提供了几个重要的开发经验:
-
API契约稳定性:前后端接口必须保持严格的数据格式约定,特别是对于可能为空的字段。
-
用户操作容错:对于用户可能的快速连续操作场景,应用需要具备足够的鲁棒性。
-
折叠屏设备适配:新型设备的特殊交互方式可能暴露出传统测试中难以发现的问题。
-
防御性编程:关键数据路径上必须添加充分的错误处理和边界条件检查。
通过这次问题的分析和解决,Expensify应用在费用报告功能的稳定性和用户体验方面得到了显著提升。
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。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00