Ivy Wallet项目迁移Paparazzi至Compose Preview截图测试的技术实践
2025-06-27 00:06:24作者:范垣楠Rhoda
背景介绍
在Android应用开发中,UI测试一直是保证应用质量的重要环节。Ivy Wallet项目团队近期决定对其UI测试方案进行升级,从现有的Paparazzi框架迁移到Android官方推荐的Compose Preview截图测试方案。这一技术决策背后有着充分的考量。
技术选型对比
Paparazzi作为一个流行的截图测试框架,在过去为项目提供了可靠的UI测试能力。但随着Jetpack Compose的成熟,Google推出了原生支持的Compose Preview截图测试方案,具有以下优势:
- 测试与预览一体化:开发者可以在同一个环境中完成组件预览和截图测试
- 官方维护支持:作为Jetpack Compose的一部分,长期维护有保障
- 更好的兼容性:与Compose生态深度集成,减少兼容性问题
- 简化工具链:减少第三方依赖,降低项目复杂度
迁移实施步骤
1. 环境配置
首先需要在项目中配置Compose截图测试所需的环境依赖。这包括添加必要的Gradle插件和依赖项,确保测试环境能够正常运行。
2. 测试用例迁移
将现有的Paparazzi测试用例逐一迁移到新的测试框架。这一过程需要注意:
- 测试断言方式的调整
- 截图捕获机制的差异处理
- 测试环境的配置变化
3. 工具链清理
完成迁移后,需要彻底移除Paparazzi相关的所有配置和依赖,包括:
- 构建脚本中的相关配置
- CI/CD流程中的特殊处理
- 项目文档中的相关说明
4. 文档更新
为确保团队所有成员都能顺利使用新方案,需要更新项目文档,包括:
- 新的截图测试编写指南
- 本地运行测试的说明
- CI集成方式的变化
5. CI/CD集成
最后需要调整持续集成流程,确保新的截图测试能够在CI环境中正常运行,包括:
- 测试执行环境的配置
- 截图对比机制
- 失败处理流程
技术挑战与解决方案
在迁移过程中可能会遇到以下挑战:
- 测试稳定性问题:Compose的异步特性可能导致截图不一致。解决方案是合理使用测试等待机制和同步点。
- 视觉差异处理:不同测试框架的渲染结果可能有细微差别。需要建立合理的视觉差异容忍机制。
- 性能考量:大量截图测试可能影响构建速度。可以通过测试分组和并行执行来优化。
最佳实践建议
基于Ivy Wallet项目的经验,我们总结出以下最佳实践:
- 渐进式迁移:不要一次性迁移所有测试,而是按模块逐步推进
- 版本控制:将测试截图纳入版本控制,方便历史对比
- 黄金样本管理:建立完善的黄金样本更新流程
- 测试分类:将截图测试按重要性和稳定性分级管理
总结
从Paparazzi迁移到Compose Preview截图测试是Ivy Wallet项目在测试基础设施上的重要升级。这一变化不仅简化了工具链,还带来了更好的开发体验和长期维护性。通过系统性的迁移计划和合理的技术决策,团队成功完成了这一技术转型,为项目的持续健康发展奠定了更坚实的基础。
对于其他考虑类似迁移的团队,建议充分评估现有测试套件的规模和复杂度,制定详细的迁移计划,并在过程中持续验证新方案的稳定性和可靠性。
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 StartedRust0212
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 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++
872
2.01 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
468
461
Ascend Extension for PyTorch
Python
757
960
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++
696
1.4 K
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
183
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
646