FleetDM项目发布质量保证测试报告
2025-06-10 19:40:43作者:虞亚竹Luna
概述
本文记录了FleetDM项目在特殊客户构建版本deebradel-sha-gitops+28951上进行的质量保证测试过程与结果。该版本主要针对编排和软件功能进行了重点测试,确保核心功能的稳定性。
测试环境配置
测试团队使用了fleetctl preview工具搭建测试环境,该工具能够快速部署Fleet的预览版本。测试前确保:
- 使用
fleetctl preview reset清理所有现有进程和代理 - 浏览器缓存和本地存储已清除
- 准备了有效的许可证密钥用于高级功能测试
- 配置了证书和flagfile以支持新主机的创建
核心功能测试
升级流程验证
测试团队首先部署了最新的稳定版本,创建了主机和查询作为测试数据,然后停止服务并升级到目标测试版本。验证结果显示:
- 所有预先创建的主机和查询在升级后仍然存在
- 数据完整性得到保持
- 系统配置未因升级而丢失
登录流程测试
测试覆盖了多种登录场景:
- 使用有效和无效凭证测试基础登录功能
- 测试单点登录(SSO)流程
- 验证忘记密码功能
所有测试用例均通过,包括:
- 空白字段的正确提示
- 认证失败时的准确错误信息
- 密码重置流程正常工作
- 有效凭证成功登录
- SSO登录流程正常
查询包管理
验证了2017查询包的管理功能:
- 主机迁移后查询包仍能正常运行
- 支持创建新查询包
- 支持编辑和删除现有查询包
- 查询包执行结果正确记录
日志目的地
测试了多种日志类型的传输:
- 软件、查询、策略和查询包日志成功发送到外部日志系统
- 文件系统日志目的地工作正常
- 日志内容完整且格式正确
操作系统设置
验证了磁盘加密功能:
- 成功配置macOS、Windows和Linux的磁盘加密
- 强制加密的主机成功完成加密过程
- 加密状态在界面正确显示
软件功能专项测试
查询功能
全面测试了查询的完整生命周期:
- 创建、编辑和删除查询的权限符合文档要求
- 语法错误产生正确的错误提示
- 手动执行查询功能正常
- 查询结果展示完整
主机管理
测试了主机的完整生命周期:
- 通过命令行成功添加主机
- 主机序列号和添加日期准确显示
- 删除后主机不再可见
- 警告和信息模态框显示正确
脚本执行
验证了脚本相关功能:
- 支持在所有主机类型上执行脚本
- 脚本库的上传、下载和删除功能正常
- 成功和失败脚本执行状态正确显示
- 全局禁用脚本功能生效
- 活动流中正确显示脚本执行记录
软件管理
测试了软件分发功能:
- 软件库管理功能完整
- 软件安装成功和失败场景处理正确
- "我的设备"页面正确显示自助服务项目
- 活动流中正确记录软件安装事件
迁移测试
使用专门的数据库升级测试工作流验证了版本迁移:
- 从稳定版本升级到测试版本
- 升级过程顺利完成
- 数据完整性保持
- 系统功能在升级后正常
测试结论
本次针对FleetDM特殊客户构建版本的测试覆盖了核心编排和软件功能,所有测试用例均通过验证。系统表现出良好的稳定性和兼容性,特别是在版本升级和数据迁移方面表现优异。测试团队确认该版本满足质量要求,可以交付客户使用。
虽然没有进行MDM相关功能的测试,但根据测试范围和客户需求,这不会影响本次发布的核心价值。团队建议在后续版本中补充完整的MDM功能测试。
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 StartedRust0191
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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
765
4.97 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++
857
1.93 K
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++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
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
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 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 Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220