Kimai时间记录导入中的时长舍入问题分析
2025-06-19 03:15:21作者:冯梦姬Eddie
问题背景
在Kimai时间跟踪系统中,用户从Clockify导入时间记录数据时发现了一个关于时长计算的舍入问题。具体表现为:当导入包含非整小时的时间记录时,系统显示的时间与原始数据存在差异。
问题现象
以一个具体案例为例:
- 开始时间:10:01
- 结束时间:10:42
- 实际时长应为1小时41分钟(1.6833小时)
但在导入后,系统显示为1小时40分钟,与预期不符。数据库存储的秒数为6059秒,而正确值应为6060秒。
技术分析
问题根源
问题主要出现在两个处理环节:
-
导入处理阶段:
- 系统使用
Duration::parseDecimalFormat函数处理十进制格式的时长 - 计算过程:1.6833 × 3600 = 6059.88秒 → 强制转换为整数后得到6059秒(舍去小数部分)
- 系统使用
-
显示处理阶段:
- 使用
Duration::format函数格式化显示时长 - 计算过程:6059秒 → 1小时40分钟(再次向下取整)
- 使用
解决方案比较
用户提出了两种解决方案:
-
使用Clockify的"Duration (h)"字段:
- 该字段直接提供"时:分"格式的时长(如1:41)
- 避免了十进制转换过程中的舍入问题
- 经测试可正确导入和显示
-
修改系统舍入规则:
- 尝试调整系统偏好设置中的舍入规则
- 但发现舍入规则不适用于导入过程
最佳实践建议
对于需要从Clockify导入数据到Kimai的用户,建议:
- 在导入配置中选择"Duration (h)"作为时长字段
- 避免使用"Duration (decimal)"字段,以防止舍入误差
- 对于已导入的错误数据,可通过批量编辑功能进行修正
技术启示
这个问题揭示了时间数据处理中的几个重要原则:
- 时间数据的精度处理需要特别谨慎,特别是涉及多级转换时
- 不同系统间的数据交换应优先考虑保持原始格式,避免不必要的转换
- 用户界面显示逻辑应与数据存储逻辑保持一致
Kimai开发团队已在新版本中修复了此问题,用户只需更新到最新版导入插件即可获得正确的导入体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218