Aniyomi播放器中的追踪服务重复请求问题分析
2025-06-05 07:39:50作者:何举烈Damon
问题背景
在Aniyomi动画播放器中,当用户观看剧集并触发标记为已观看的逻辑时,追踪服务(如Anilist、MyAnimeList)会出现重复请求的问题。这会导致追踪平台上出现重复的活动记录或同一集被多次计数的情况。
技术原理
播放器在以下场景会出现异常行为:
- 用户观看剧集达到标记为"已观看"的进度阈值
- 系统触发追踪服务更新
- 在数据同步过程中,本地与远程状态反复比对
- 导致多次PUT请求被发送到追踪服务API
问题根源分析
通过代码审查发现,PlayerViewModel中存在潜在的竞态条件。当播放进度超过标记阈值时,系统会:
- 先获取当前远程状态(GET)
- 立即发送更新请求(PUT)
- 在PUT请求完成前,可能再次触发状态检查
- 导致重复的PUT请求被发送
核心问题在于缺乏请求状态管理和去重机制。
解决方案
开发者提出了两种解决思路:
-
条件过滤方案 在发送更新请求前增加
!currentEp.seen判断,避免对已标记剧集的重复操作。这种方案实现简单但存在局限性,无法处理请求失败等边缘情况。 -
状态管理方案 更完善的解决方案应包括:
- 请求队列管理
- 请求去重机制
- 错误重试策略
- 状态同步锁
后续进展
该问题已在预览版中通过合并Mihon的代码得到修复。新版本引入了更健壮的追踪服务同步机制,有效防止了重复请求的产生。
技术启示
这类问题在客户端与服务端同步场景中很常见,开发者需要注意:
- 网络请求的幂等性设计
- 本地状态与远程状态的同步时机
- 并发请求的控制
- 错误处理与恢复机制
对于类似的多服务集成场景,建议采用状态机模式来管理同步流程,确保数据一致性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
660
4.26 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
Ascend Extension for PyTorch
Python
505
610
openEuler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。
C
392
289
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108