ReportPortal中"Latest Launches"与"All Launches"数据展示问题深度解析
2025-07-07 00:18:58作者:劳婵绚Shirley
问题现象
在ReportPortal的多个可视化组件(如总体统计、组件健康检查、组件健康检查表格视图、启动时长图表等)中,"Latest Launches"选项本应仅展示最近一次启动的执行数据,但实际表现与"All Launches"选项完全一致。这意味着用户无法通过该功能快速获取最新测试执行的专项分析视图。
技术背景
ReportPortal的启动数据处理逻辑遵循特定规则:
- 启动分组机制:系统首先根据启动名称进行分组,例如将"Healthcheck_08/10"、"Healthcheck_08/11"等视为独立分组
- 最新启动判定:在每个名称分组内,系统会识别该名称下的最新执行编号(如#3表示第三次执行)
- 数据聚合方式:
- "All Launches":分析所有匹配过滤条件的执行记录
- "Latest Launches":仅分析每个名称分组下的最新执行记录
典型场景示例
假设存在三个测试启动:
- Healthcheck_08/10(含3次执行:#1-#3)
- Healthcheck_08/11(含2次执行:#1-#2)
- Healthcheck_08/12(含1次执行:#1)
当用户创建包含这三个启动的过滤器时:
- 预期行为:选择"Latest Launches"应仅显示:
- Healthcheck_08/10的#3执行
- Healthcheck_08/11的#2执行
- Healthcheck_08/12的#1执行
- 实际行为:展示与"All Launches"相同的数据集
解决方案建议
-
命名规范优化:
- 对于需要追踪历史趋势的启动,建议采用固定名称(如"Healthcheck")
- 将变量信息(如日期)移至启动属性或描述字段
- 示例:
{ "name": "Healthcheck", "attributes": ["date:08/12"], "description": "2024年8月12日健康检查" }
-
过滤器配置技巧:
- 创建专项过滤器捕获特定日期的启动
- 结合自定义属性进行精确筛选
-
可视化策略:
- 趋势分析:使用固定启动名称配合"累计趋势图"组件
- 即时分析:为最新执行创建独立过滤器
系统设计启示
该现象反映了ReportPortal的核心设计理念:
- 启动标识逻辑:系统以启动名称作为首要分组依据,而非时间戳
- 版本控制机制:通过执行编号(#1,#2等)管理同名称启动的多次执行
- 数据分析维度:组件级别的聚合发生在名称分组之后
理解这些底层机制有助于用户更有效地设计测试命名规范和数据分析策略。对于需要同时满足趋势分析和即时监控的场景,建议建立双重命名体系,通过属性系统承载可变信息,保持启动名称的稳定性。
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
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
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
3.88 K
暂无简介
Dart
671
156
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
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1