Gradle项目中Android UI测试与严格配置锁定的兼容性问题解析
2025-05-12 12:59:08作者:晏闻田Solitary
在Gradle构建系统中,配置缓存(Configuration Cache)是一项重要的性能优化功能,它通过缓存配置阶段的结果来加速后续构建。当与Android项目的UI测试结合使用时,特别是在启用严格配置锁定模式(STRICT)时,开发者可能会遇到一些兼容性问题。
问题现象
在Gradle 8.10.2版本中,当开发者尝试执行Android UI测试(如Espresso测试)时,如果同时启用了配置缓存和严格配置锁定模式,可能会遇到以下错误:
Configuration cache state could not be cached: field `__additionalTestOutputPlugin__` of `com.android.build.gradle.internal.testing.utp.UtpDependencies` bean found in field `__utpDependencies__` of `com.android.build.gradle.internal.tasks.DeviceProviderInstrumentTestTask$TestRunnerFactory` bean found in field `__testRunnerFactory__` of task `:my_app:connectedDevDebugAndroidTest` of type `com.android.build.gradle.internal.tasks.DeviceProviderInstrumentTestTask`: error writing value of type 'org.gradle.api.internal.file.collections.DefaultConfigurableFileCollection'
> Could not resolve all dependencies for configuration ':my_app:_internal-unified-test-platform-android-test-plugin-host-additional-test-output'.
> Locking strict mode: Configuration ':my_app:_internal-unified-test-platform-android-test-plugin-host-additional-test-output' is locked but does not have lock state.
这个错误表明,在严格模式下,Gradle期望所有配置都有明确的锁定状态,但某些内部测试平台(UTP)相关的依赖配置未能满足这一要求。
技术背景
配置缓存与锁定模式
Gradle的配置缓存通过序列化任务图和其他构建状态来加速后续构建。配置锁定则是一种确保依赖一致性的机制,它有三种模式:
- DEFAULT:默认模式,允许动态依赖解析
- LENIENT:宽松模式,对未锁定的配置发出警告
- STRICT:严格模式,要求所有配置都必须有明确的锁定状态
Android测试架构
Android Gradle插件使用统一测试平台(UTP)来执行设备测试。这个平台会动态创建一些内部配置来处理测试输出和依赖管理,这些配置在严格锁定模式下可能会出现问题。
解决方案
对于这个问题,目前有以下几种解决方案:
-
降级锁定模式:将锁定模式从STRICT改为DEFAULT或LENIENT
dependencyLocking { lockMode = LockMode.LENIENT } -
排除测试配置:为测试任务特别配置不使用锁定
tasks.withType(DeviceProviderInstrumentTestTask).configureEach { dependenciesLocking { ignoredConfigurations.add('_internal-unified-test-platform-android-test-plugin-host-additional-test-output') } } -
等待官方修复:关注Gradle和Android Gradle插件的更新,这个问题可能会在后续版本中得到官方修复
最佳实践建议
- 在CI环境中可以考虑使用STRICT模式,而在本地开发时使用LENIENT模式
- 定期检查依赖锁定文件(dependencies.lockfile)的完整性
- 对于复杂的多模块项目,可以分层设置不同的锁定策略
- 保持Gradle和Android Gradle插件版本更新,以获取最新的兼容性改进
总结
Gradle的严格配置锁定模式与Android测试架构的交互存在一些已知的兼容性问题。开发者需要根据项目实际情况选择合适的解决方案。理解这些机制背后的原理有助于做出更合理的架构决策,平衡构建一致性与开发体验的需求。随着Gradle生态的不断发展,这类问题有望在未来版本中得到更好的解决。
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322