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
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 Notebook0120
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
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 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++
684
1.33 K
Ascend Extension for PyTorch
Python
720
883
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
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
457
440
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
262
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
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
610