TestNG中参数修改导致测试无限重试问题的分析与解决
问题背景
在使用TestNG进行自动化测试时,我们可能会遇到需要修改测试参数后进行重试的场景。例如,当测试数据需要保存到数据库时,如果第一次执行失败,重试时需要修改某些字段值以避免主键冲突。然而,在TestNG 7.10.2版本中,当我们在重试前修改测试方法的参数时,可能会导致测试方法被无限次重试,而不是按照IRetryAnalyzer配置的次数执行。
问题现象
测试代码中定义了一个数据实体类SomeDataEntity,它实现了Randomizer接口,可以在重试时随机生成新的name值。通过ITestListener.onTestSkipped方法在测试失败后修改参数值。理论上,测试应该按照Retrier类中配置的重试次数(3次)执行,但实际上测试会无限次重试。
根本原因分析
经过深入分析,发现问题的根源在于Lombok的@Data注解。这个注解是一个组合注解,包含了@EqualsAndHashCode,它会根据类的所有非静态字段自动生成equals()和hashCode()方法。
当我们在重试过程中修改了SomeDataEntity的name字段时,由于@Data自动生成的hashCode()方法会考虑所有字段,导致每次修改后对象的哈希值都发生变化。TestNG内部使用对象的哈希值来识别测试方法的唯一性,因此每次参数修改后TestNG都会认为这是一个新的测试实例,从而创建新的IRetryAnalyzer实例,导致重试计数器无法正常工作。
解决方案
-
避免使用@Data注解:改用更细粒度的Lombok注解组合,只包含实际需要的功能。在本例中,只需要@Getter注解即可。
-
手动实现实体类:如果不使用Lombok,可以手动编写实体类,只实现必要的getter方法,避免自动生成的equals()和hashCode()方法干扰TestNG的重试机制。
-
保持对象标识不变:如果确实需要修改对象内容,可以考虑实现自定义的equals()和hashCode()方法,使其基于不变的标识字段(如ID)而不是可变字段。
最佳实践建议
-
在测试代码中使用Lombok时要谨慎,特别是@Data这种组合注解,要清楚它包含的所有功能。
-
当测试需要重试机制时,确保测试参数对象的equals()和hashCode()行为是可预测的。
-
考虑使用不可变对象作为测试参数,或者在重试时创建新对象而不是修改现有对象。
-
在复杂的测试场景中,可以通过日志记录参数对象的哈希值,帮助调试重试相关问题。
总结
这个问题展示了测试框架、代码生成工具和业务逻辑之间微妙的交互关系。理解框架内部机制和工具自动生成代码的行为对于解决这类问题至关重要。通过这次问题排查,我们不仅解决了无限重试的问题,也加深了对TestNG重试机制和Lombok注解行为的理解,为今后编写更健壮的测试代码打下了基础。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00