Apache DevLake 新增 QA 领域支持及 CSV 导入功能解析
背景与需求
在现代 DevOps 实践中,测试数据的可视化与分析是软件开发生命周期中不可或缺的一环。Apache DevLake 作为一款开源的研发效能平台,此前已支持问题跟踪、代码管理、CI/CD 等多个领域的抽象建模,但缺乏对测试领域的专门支持。这导致团队难以统一分析来自不同测试工具(如 Jira、TestRail、Zephyr 等)的质量数据。
架构设计
QA 领域模型
本次扩展引入了完整的 QA 领域层,核心包含以下实体:
-
测试项目(QaProject)
作为测试活动的顶层容器,通过测试用例数据隐式创建,包含项目 ID 和名称等基础属性。 -
测试用例(QaTestCase)
记录测试用例的元数据,包括:- 类型标识(功能测试/API 测试)
- 关联的 API 信息(可选)
- 所属项目信息
-
测试执行记录(QaTestCaseExecution)
存储每次测试执行的详细信息:- 执行时间范围(开始/结束时间)
- 执行状态(待处理/进行中/成功/失败)
- 关联的测试用例和项目
-
API 元数据(QaApi)(可选)
专门为 API 测试设计的扩展实体,用于记录接口定义和变更历史。
数据关系设计
- 测试项目与测试用例为一对多关系
- 测试用例与执行记录为一对多关系
- API 与测试用例为可选的一对一关系
实现方案
CSV 导入接口
通过扩展 Customize 插件实现三类 CSV 文件的标准化导入:
-
测试用例导入
- 端点:
/plugins/customize/csvfiles/qa_test_cases.csv - 字段示例:
id,name,type,api_id,qa_project_id,creator_name 101,登录测试,functional,,project_01,张三 102,支付接口,api,api_001,project_01,李四
- 端点:
-
测试执行导入
- 端点:
/plugins/customize/csvfiles/qa_test_case_executions.csv - 字段示例:
id,qa_test_case_id,status,start_time,finish_time 1001,101,SUCCESS,2025-04-01 10:00,2025-04-01 10:05
- 端点:
-
API 元数据导入(可选)
- 端点:
/plugins/customize/csvfiles/qa_apis.csv - 支持增量更新和去重处理
- 端点:
关键技术点
-
账户自动映射
当 CSV 中包含 creator_name 字段时,系统会自动在 accounts 表中创建或关联对应的用户记录,保持与平台其他模块的一致性。 -
智能关联处理
- 测试用例导入时会自动创建关联的项目记录
- API 信息需要显式通过专用接口导入
-
时间序列支持
执行记录的时间字段支持精确到秒级的时间戳,便于后续构建测试周期分析看板。
应用价值
-
统一质量视图
将分散在不同测试工具中的数据统一建模,支持跨工具的测试覆盖率、通过率等核心指标分析。 -
历史追溯能力
通过执行记录的完整保存,支持测试稳定性趋势分析、失败用例根因分析等场景。 -
灵活接入方案
CSV 导入方式特别适合:- 使用自研测试工具的企业
- 需要对接非标准测试系统的场景
- 历史测试数据的迁移场景
演进规划
当前版本聚焦基础能力建设,未来可考虑:
- 增加测试批次(batch)概念支持批量执行分析
- 扩展测试环境维度信息
- 支持自动化测试脚本的关联存储
该功能的实现标志着 Apache DevLake 在研发效能全链路分析能力上的重要完善,为团队质量保障工作提供了强有力的数据支撑。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00