Superset项目Ant Design 5升级指南:Tabs组件重构实践
2025-04-29 00:15:36作者:范靓好Udolf
背景概述
Superset作为Apache旗下的开源数据可视化平台,正在进行前端架构的重大升级,将Ant Design从版本4升级到版本5。本次升级涉及核心组件库的全面重构,其中Tabs标签页组件作为高频使用的界面元素,其升级工作尤为重要。
技术挑战
在Ant Design 5中,Tabs组件经历了显著的变化,包括API调整、样式优化和功能增强。升级过程中需要解决以下几个关键问题:
- API兼容性:Ant Design 5对部分API进行了调整,需要确保现有功能不受影响
- 样式覆盖:需要清理项目中不必要的自定义样式,回归Ant Design原生样式体系
- 组件封装:统一组件导入路径,避免直接引用Ant Design原始组件
- 测试保障:确保RTL(从右到左)布局的兼容性和交互测试覆盖率
实施要点
组件封装策略
升级过程中采用了中心化封装策略,所有Tabs组件的引用都必须通过项目的统一入口src/components/Tabs。这种做法带来了多重好处:
- 统一组件行为,便于后续维护
- 隔离Ant Design版本变化的影响
- 提供一致的开发者体验
样式优化原则
遵循"尽可能接近Ant Design原生"的原则,进行了以下优化:
- 移除了冗余的CSS覆盖
- 简化了不必要的样式定制
- 保留了必要的业务逻辑样式
- 确保主题系统能够正常工作
测试保障体系
为确保升级质量,建立了完整的测试矩阵:
- 视觉回归测试:通过Storybook记录组件所有状态
- 交互测试:验证标签切换、关闭等核心功能
- RTL测试:确保从右到左布局的完美支持
- 类型检查:TypeScript类型定义同步更新
开发者指南
对于需要在Superset项目中使用Tabs组件的开发者,现在应该:
- 从统一路径导入组件,而非直接引用Ant Design
- 遵循新的API规范,避免使用废弃属性
- 优先使用Ant Design原生样式,减少自定义覆盖
- 为新增功能补充Storybook用例
升级效益
完成Tabs组件升级后,项目获得了以下改进:
- 性能提升:减少了不必要的样式计算和DOM操作
- 一致性增强:界面风格与Ant Design 5设计语言保持一致
- 维护简化:集中管理降低了后续升级成本
- 功能扩展:能够利用Ant Design 5提供的新特性
总结
Superset的Ant Design 5升级是一项系统工程,Tabs组件的重构为其他组件的升级提供了可复用的模式。通过标准化导入路径、精简样式体系和强化测试覆盖,确保了升级过程的平稳过渡,同时为未来的功能演进奠定了坚实基础。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0455
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0782
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX029
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++03
项目优选
收起
暂无描述
Markdown
832
5.52 K
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
496
521
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
808
1.16 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
797
1.6 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
980
2.31 K
deepin linux kernel
C
33
16
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
782
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
487
314
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++
1.21 K
1.26 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
666
305