ORT项目:构建独立测试运行器的技术探索与实践
2025-07-09 13:30:07作者:羿妍玫Ivan
背景与需求分析
在软件开发过程中,测试环境的验证是一个关键环节。对于ORT(OSS Review Toolkit)这样的开源项目,用户经常需要在不同的环境中验证其功能是否能够正常运行。传统方式要求用户从源代码构建整个项目或使用Gradle工具,这在某些场景下显得不够便捷。
技术方案设计
为解决这一问题,ORT社区提出了构建独立测试运行器的技术方案。该方案的核心目标是创建一个自包含的二进制文件,能够直接运行ORT的所有测试用例,特别是功能测试(funTest),而无需复杂的构建过程。
关键技术选型
-
Gradle应用与JIB插件组合:利用Gradle的应用程序打包能力和JIB插件的容器化功能,将测试运行环境打包成独立单元。
-
JUnit控制台启动器:作为Docker镜像的入口点,JUnit提供的ConsoleLauncher能够直接执行测试套件,无需依赖完整的开发环境。
-
GraalVM原生镜像方案:另一种备选方案是使用GraalVM的native image功能,将测试代码编译为原生二进制,进一步提高执行效率和环境独立性。
实现挑战与解决方案
在实现过程中,团队发现功能测试的通过依赖于另一个基础问题的解决。这表明在构建独立测试运行器之前,需要确保核心功能测试本身的稳定性。
技术价值与应用场景
这种独立测试运行器的设计具有多重价值:
-
环境验证:特别适用于Docker容器等隔离环境的兼容性验证。
-
持续集成:可以简化CI/CD流程中的环境准备步骤。
-
用户友好性:降低了非开发人员验证ORT功能的技术门槛。
未来发展方向
随着该功能的完善,可以考虑以下扩展方向:
- 增加测试结果的分析和报告功能
- 支持选择性测试执行
- 优化二进制体积和启动速度
这种技术方案不仅解决了ORT项目的特定需求,也为其他Java/Kotlin项目的测试分发提供了有价值的参考模式。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
677
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146