Cucumber-JVM与Maven Surefire 3.5.3兼容性问题解析
2025-06-28 17:55:08作者:沈韬淼Beryl
在基于Spring Boot 3和JUnit 5的Java项目中,开发者可能会遇到一个奇怪的现象:虽然Cucumber测试用例能够正常执行并生成测试报告,但Maven构建输出中却显示"Tests run: 0"。更令人困惑的是,即使测试用例失败,构建过程仍然会显示成功。这种现象主要出现在使用Maven Surefire插件3.5.3及以上版本的Spring Boot项目中。
问题现象
当开发者使用以下技术栈组合时:
- Spring Boot 3.x
- JUnit 5
- Cucumber-JVM 7.x
- Maven Surefire插件3.5.3+
执行mvn test命令后,控制台输出会显示:
[INFO] Tests run: 0, Failures: 0, Errors: 0, Skipped: 0
[INFO] BUILD SUCCESS
但实际上Cucumber测试已经执行并生成了测试报告文件(如results.html和results.ndjson)。
问题根源
经过分析,这个问题源于Maven Surefire插件3.5.3版本引入的某些变更与Cucumber-JVM的Spring Boot集成方式存在兼容性问题。具体表现为:
- Surefire 3.5.3对测试发现机制进行了调整
- 这种调整影响了Cucumber通过JUnit 5平台运行测试时的报告机制
- 测试执行结果无法正确反馈给Maven构建系统
解决方案
目前确认的解决方案是将Maven Surefire插件降级到3.5.2版本。在项目的pom.xml文件中进行如下配置:
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-surefire-plugin</artifactId>
<version>3.5.2</version>
</plugin>
技术背景
这个问题特别出现在Spring Boot项目中,因为:
- Spring Boot使用特殊的测试上下文管理机制
- Cucumber-JVM与Spring Boot集成时需要特殊的配置
- JUnit 5平台作为测试执行引擎
- Maven Surefire作为测试执行和报告工具
这四者之间的交互在Surefire 3.5.3版本中出现了断层,导致测试执行结果无法正确上报。
最佳实践
对于使用Cucumber-JVM的Spring Boot项目,建议:
- 明确指定Maven Surefire插件版本为3.5.2
- 定期检查Cucumber-JVM和Surefire插件的更新日志
- 在升级任何相关组件后,验证测试报告机制是否正常工作
- 考虑在CI/CD流水线中添加测试结果验证步骤
总结
这个兼容性问题展示了现代Java测试生态系统中各组件间复杂的依赖关系。作为开发者,在遇到类似问题时,应当:
- 首先确认各组件的版本组合
- 查阅相关组件的变更日志
- 尝试隔离问题(如不使用Spring Boot时是否重现)
- 关注社区已知问题
通过理解这些底层机制,开发者可以更高效地解决测试框架集成中的各种问题。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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