TestNG框架中忽略测试统计问题的分析与修复
2025-07-05 22:00:54作者:尤峻淳Whitney
问题背景
TestNG作为Java生态中广泛使用的测试框架,其测试结果统计功能对于开发者了解测试执行情况至关重要。近期发现TestNG 7.10.2版本中存在一个关于忽略测试统计的缺陷,导致生成的XML报告中忽略测试数量显示不正确。
问题现象
当测试方法使用@Ignore注解标记时,框架本应正确统计这些被忽略的测试用例数量。然而实际运行后发现,XML报告中的忽略测试数量并非真实的忽略测试数,而是错误地显示了重试测试(retried tests)的数量。
问题根源分析
通过查看AbstractXmlReporter.java源码发现,在add()方法中错误地将retried计数赋值给了ignored字段:
public void add(Count count) {
this.passed += count.passed;
this.failed += count.failed;
this.skipped += count.skipped;
this.retried += count.retried;
this.ignored += count.retried; // 问题所在
}
这段代码明显存在逻辑错误,它错误地将重试测试次数累加到了忽略测试统计中,而忽略了真正的忽略测试数量。
问题影响
这个缺陷会导致以下问题:
- 测试报告数据不准确,无法真实反映测试执行情况
- 持续集成系统中基于测试统计的决策可能受到影响
- 开发人员无法准确了解有多少测试用例被有意忽略
解决方案
修复方案相对直接,需要确保ignored字段累加的是count.ignored而非count.retried。正确的实现应该是:
public void add(Count count) {
this.passed += count.passed;
this.failed += count.failed;
this.skipped += count.skipped;
this.retried += count.retried;
this.ignored += count.ignored; // 修正后的正确实现
}
验证方法
为了验证修复效果,可以创建一个简单的测试用例:
@Test
@Ignore
public void testIgnored() {
System.out.println("Ignored testcase");
}
修复后,运行测试并检查XML报告,应该能够正确显示忽略测试的数量为1,而重试测试数量为0。
总结
TestNG框架中的这个小缺陷虽然看似简单,但对于依赖测试统计数据的团队来说却可能造成误导。通过这次修复,确保了测试报告中忽略测试数量的准确性,使开发者能够更可靠地了解测试覆盖情况。这也提醒我们在开发类似框架时,对于统计数据的处理需要格外小心,确保每个计数字段都有正确的来源。
登录后查看全文
热门项目推荐
相关项目推荐
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
热门内容推荐
最新内容推荐
3D动漫渲染与卡通风格实现:Poiyomi Toon Shader全解析7个颠覆性技巧:用Virt-Manager实现虚拟机管理效率倍增告别会议截止日焦虑:AI Deadlines让全球学术日程管理化繁为简3个步骤掌握ESP32音频开发:从硬件连接到物联网音频方案突破设备限制:VR-Reversal解锁3D视频新玩法——普通设备实现自由视角观看的技术方案开源工具G-Helper启动优化与故障解决指南4大维度破解地理空间智能难题:面向研究者与从业者的AI工具指南3步掌握英雄联盟回放深度分析:从安装到战术拆解Windows驱动签名绕过与内核工具实践指南CyberdropBunkrDownloader:多平台文件下载工具全解析
项目优选
收起
暂无描述
Dockerfile
675
4.31 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
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++
946
886
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
398
302
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
909
暂无简介
Dart
920
228
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
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
133
212