AzurLaneAutoScript项目中uiautomator2安装问题的分析与解决
2025-05-30 02:50:58作者:宣聪麟
问题背景
在Android自动化测试领域,uiautomator2是一个广泛使用的UI自动化测试框架。AzurLaneAutoScript项目在启动过程中需要依赖uiautomator2来完成设备初始化工作。然而,部分用户在运行项目时遇到了uiautomator2安装失败的问题,具体表现为在"Check atx-agent version"阶段出现连接中断错误。
错误现象分析
从错误日志中可以观察到几个关键点:
- 安装过程在初始化atx-agent时失败
- 错误表现为"Remote end closed connection without response"
- 系统尝试多次重连(7912端口)均未成功
- 最终抛出ConnectionError异常
根本原因
经过分析,这个问题可能由以下几个因素导致:
- 端口冲突:7912端口可能被其他应用程序占用
- USB设备干扰:某些USB设备(如音频设备)可能与ADB服务产生冲突
- 网络配置问题:本地网络设置可能阻止了回环地址(127.0.0.1)的连接
- 安全软件拦截:防火墙或安全软件可能阻止了端口转发
解决方案
方法一:禁用uiautomator2安装
对于不需要uiautomator2功能的用户,最简单的解决方案是修改配置文件:
- 打开config/deploy.yaml文件
- 找到InstallUiautomator2配置项
- 将其值从true改为false
- 保存文件并重新启动程序
方法二:检查并释放端口
- 使用网络工具检查7912端口是否被占用
- 如果被占用,可以终止占用该端口的进程
- 或者修改uiautomator2配置使用其他端口
方法三:移除干扰设备
根据用户反馈,某些USB设备(如ZX300A播放器)可能导致此问题:
- 断开所有非必要的USB设备
- 仅保留Android设备连接
- 重新尝试安装过程
方法四:修改源代码(高级用户)
对于熟悉Python的开发人员,可以临时修改uiautomator2的初始化逻辑:
- 定位到uiautomator2包的init.py文件
- 注释掉检查atx-agent版本的代码行
- 注意:这种方法可能影响某些功能的完整性
预防措施
为了避免类似问题再次发生,建议:
- 保持ADB工具和驱动为最新版本
- 在运行自动化脚本前关闭不必要的应用程序
- 定期检查USB连接状态和设备识别情况
- 考虑使用虚拟专用网络来避免端口冲突
技术原理深入
uiautomator2的安装过程实际上包含几个关键步骤:
- 推送必要的二进制文件(minitouch等)到设备
- 安装uiautomator相关的APK文件
- 启动并配置atx-agent服务
- 建立本地端口转发
其中atx-agent是一个运行在Android设备上的守护进程,负责处理自动化命令。当本地无法连接到这个服务时,就会抛出上述连接错误。
总结
uiautomator2初始化失败是Android自动化测试中常见的问题,通常与设备环境配置有关。通过本文提供的多种解决方案,用户可以根据自身情况选择最适合的方法。对于AzurLaneAutoScript项目而言,如果不需要完整的uiautomator2功能,最简单的解决方案就是禁用其安装。而对于需要完整功能的用户,则需要仔细检查设备连接和端口配置情况。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
cann-learning-hubCANN 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 Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
项目优选
收起
暂无描述
Dockerfile
764
4.97 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++
857
1.92 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++
680
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
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
303
117
昇腾LLM分布式训练框架
Python
178
220