NASA OpenMCT项目中视觉测试的稳定性优化实践
2025-05-18 14:53:23作者:吴年前Myrtle
背景介绍
NASA OpenMCT是一个开源的任务控制框架,用于可视化和管理航天器数据。在开发过程中,视觉测试是确保用户界面一致性的重要环节。近期,项目团队在针对图像显示功能的视觉测试中遇到了稳定性问题,特别是在处理动态加载的示例图像时。
问题分析
视觉测试的核心挑战在于如何确保测试过程中获取的图像资源具有确定性。在OpenMCT项目中,测试用例使用了示例图像插件提供的动态图像资源,这导致了测试结果的不稳定性。具体表现为:
- 测试依赖于外部图像资源,可能因网络波动导致测试失败
- 图像内容可能随时间变化,影响视觉对比结果
- 测试环境与生产环境的图像资源可能存在差异
解决方案探索
团队尝试了多种技术方案来解决这一问题:
方案一:网络拦截技术
最初尝试通过Playwright拦截网络响应,直接控制返回的图像数据。这种方法理论上可以精确控制测试环境中的图像资源,但在实际实施中遇到了工具链支持不足的问题。
方案二:配置调整
探索了Percy配置中的captureMockedServiceWorker选项,试图通过启用模拟功能来稳定测试环境。然而测试发现该配置在当前Playwright版本中未被有效识别。
方案三:请求拦截与替换
最终采用的解决方案是:
- 完全禁用本地缓存发现功能,确保每次测试都从可控来源获取资源
- 修改拦截逻辑,将图像请求重定向到本地存储的静态资源
- 对图像尺寸进行标准化处理,确保显示一致性
实施细节
关键技术实现包括:
- 资源拦截:通过测试框架的请求拦截功能,将动态图像请求重定向到本地静态文件
- 尺寸适配:对替换图像进行自动缩放处理,匹配原始请求的显示要求
- 环境隔离:确保测试环境不依赖任何外部资源,所有资源均可控
效果验证
通过上述改进后:
- 视觉测试的稳定性显著提高
- 测试结果不再受网络环境影响
- 不同运行环境间的测试结果具有可比性
- 维护成本降低,不再需要频繁更新测试基准
经验总结
在复杂前端项目的视觉测试中,资源控制是关键。OpenMCT项目的实践表明:
- 应尽可能使用本地化、静态化的测试资源
- 对于必须动态加载的内容,完善的拦截和替换机制必不可少
- 测试工具链的深入理解和灵活运用能解决许多实际问题
- 持续监控和优化测试稳定性是长期工作
这一解决方案不仅解决了当前问题,也为项目后续的测试体系建设提供了宝贵经验。
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 StartedRust0172
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 Notebook097
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
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
750
4.87 K
Claude 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 Started
Rust
1.58 K
172
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++
841
1.84 K
Ascend Extension for PyTorch
Python
689
834
CANN 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 Notebook
229
97
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
451
418
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++
1.02 K
1.04 K
暂无简介
Dart
999
259
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++
642
1.27 K