Fleet项目中的VPP应用自服务显示问题解析
2025-06-10 02:10:42作者:舒璇辛Bertina
在Fleet项目管理工具中,我们发现了一个关于VPP(Volume Purchase Program)应用在自服务(Self-service)界面显示的有趣问题。这个问题涉及到应用的目标排除逻辑在主机详情页面和自服务界面表现不一致的情况。
问题背景
VPP是苹果提供的一种批量购买和分发应用的机制。在Fleet中,管理员可以通过VPP批量部署应用到设备上。正常情况下,当管理员通过Fleet安装VPP应用到主机后,如果使用自定义目标将该应用从特定主机排除,该应用应该不再显示给该主机用户。
问题现象
技术团队发现了一个不一致的行为:当通过Fleet安装VPP应用并使用自定义目标排除特定主机时,虽然主机详情页面正确地隐藏了被排除的应用,但在自服务界面中,这些被排除的应用仍然可见。这种不一致可能导致终端用户看到并尝试安装他们不应该访问的应用。
技术分析
这个问题本质上是一个前端过滤逻辑的疏漏。在Fleet的架构中:
- 后端服务正确地处理了目标排除逻辑,这体现在主机详情页面显示正确
- 自服务界面在渲染可用应用列表时,没有完全应用相同的过滤条件
- 应用的状态同步机制可能存在延迟,导致临时的不一致
解决方案
开发团队通过以下方式解决了这个问题:
- 统一前后端的过滤逻辑,确保自服务界面使用与主机详情页面相同的排除规则
- 加强状态同步机制,确保应用的可视状态能够及时更新
- 添加额外的验证步骤,确保自定义目标的变更能够立即反映在所有相关界面
验证过程
质量保证团队进行了全面的测试验证:
- 基础场景验证:安装VPP应用后,正确排除的应用不再出现在自服务界面
- 反向验证:重新包含应用后,应用正确显示在自服务界面
- 目标范围测试:移除自定义目标后,应用对所有主机可见
- 删除场景验证:删除应用后,自服务界面不再显示,但软件标签页仍保留安装记录
技术启示
这个案例提醒我们,在开发企业级设备管理平台时:
- 视图层的一致性检查同样重要,不能只关注核心逻辑
- 对于权限和访问控制,需要建立统一的过滤服务,避免各界面自行实现
- 状态同步机制需要考虑用户界面的实时性需求
Fleet团队通过快速响应和修复这个问题,进一步提升了产品的可靠性和用户体验,确保了企业IT管理人员能够精确控制终端用户可见和可安装的应用范围。
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
最新内容推荐
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 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 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 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 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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++
135
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