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。
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 StartedRust0194
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 Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06