Fleet项目中的VPP应用自服务显示问题解析
2025-06-10 12:02:19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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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
HunyuanVideo-1.5暂无简介00
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
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
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 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 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 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 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 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
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
480
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
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210