FitNesse中禁用页面历史与测试记录的配置方法
2025-07-04 20:53:08作者:乔或婵
在实际使用FitNesse进行测试管理时,部分用户可能希望完全禁用系统自动生成的页面历史版本和测试记录文件。本文将详细介绍如何通过配置实现这一需求,并解释相关技术原理。
背景说明
FitNesse默认会维护两类历史记录:
- 页面历史:每次编辑页面时自动创建ZIP格式的版本快照
- 测试记录:执行测试后生成的结果文件(存储在files/testResults目录)
这些功能虽然对版本追踪很有帮助,但在某些开发场景下(如已使用外部版本控制系统),这些自动生成的文件反而会造成干扰。
完整配置方案
禁用测试历史记录
有两种等效的配置方式:
- 通过插件配置文件
在plugins.properties中添加:
test.history.days=0
- 通过根页面定义
在FitNesse的根页面中添加:
!define test.history.days {0}
技术提示:该参数值为保留历史的天数,设为0表示立即清除所有历史记录且不生成新记录。
禁用页面版本控制
在plugins.properties中添加:
VersionsController=fitnesse.wiki.fs.SimpleFileVersionsController
这个配置会将版本控制器替换为简化版实现,该实现不会生成ZIP快照文件。
注意事项
- 配置文件修改后需要重启FitNesse服务才能生效
- 建议配合.gitignore文件过滤已生成的临时文件:
**/*.zip
files/testResults
files/testProgress
ErrorLogs
FitNesse
RecentChanges*
ReRunLastFailures*.wiki
实现原理
FitNesse通过VersionController接口管理页面版本,默认实现会创建ZIP存档。测试历史则由TestHistory类管理,其保留策略受test.history.days参数控制。当设置为0时,系统会在每次测试运行后自动清理结果文件。
对于需要深度定制的用户,还可以通过实现自定义的VersionController来完全控制版本管理行为,这为特殊需求场景提供了扩展可能性。
总结
通过上述配置,用户可以显著简化FitNesse工作目录的结构,特别适合以下场景:
- 已使用Git等版本控制系统
- 在IDE中直接编辑wiki文件
- 需要保持工作区整洁的开发环境
这些配置既保持了FitNesse的核心功能,又去除了不必要的文件生成,体现了FitNesse作为敏捷测试工具的高度可定制性。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
403
3.14 K
Ascend Extension for PyTorch
Python
224
250
暂无简介
Dart
672
159
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++
663
319
React Native鸿蒙化仓库
JavaScript
262
325
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
🎉 (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
1.21 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219