ReportPortal 24.2版本中步骤持续时间显示异常问题解析
问题背景
在ReportPortal 24.2版本中,用户发现测试步骤的持续时间不再显示,界面上仅显示一个圆点符号。这个问题影响了使用agent-java-cucumber6 5.3.3版本上传数据的用户,特别是那些并行运行测试场景的情况。
问题表现
用户界面中,原本应该显示测试步骤执行时间的位置变成了一个简单的圆点符号。这使得用户无法直观地了解每个测试步骤的执行耗时,影响了测试结果的分析效率。
技术分析
这个问题属于前端显示层的缺陷,可能涉及以下技术层面:
-
数据传递链路:从agent-java-cucumber6上传的测试数据中包含步骤持续时间信息,但前端未能正确解析和显示这些数据。
-
并行测试处理:问题在并行测试场景下尤为明显,可能与时序数据处理逻辑有关。
-
版本兼容性:该问题在升级到24.2版本后出现,表明可能是新版本引入的变更导致了显示异常。
解决方案演进
开发团队对该问题的修复经历了以下几个阶段:
-
初步确认:团队确认了问题的存在,并计划在24.2.2版本中修复。
-
修复延期:由于开发进度调整,修复被推迟到了后续版本。
-
最终修复:问题在Service UI 5.12.3版本中得到了彻底解决,该版本随ReportPortal 25.0.2一同发布。
用户应对建议
遇到类似问题的用户可以采取以下措施:
-
版本升级:升级到ReportPortal 25.0.2或更高版本,确保使用Service UI 5.12.3及以上版本。
-
临时解决方案:在等待修复期间,可以通过API直接获取原始数据来查看步骤持续时间。
-
问题反馈:发现类似问题时,及时向开发团队反馈,帮助快速定位和解决问题。
总结
这个案例展示了开源项目中常见的版本兼容性问题。ReportPortal团队通过版本迭代及时解决了显示异常,体现了开源社区对用户反馈的重视和响应速度。对于测试平台使用者而言,保持组件版本的一致性和及时更新是避免类似问题的有效方法。
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