Davx5-OSE项目中Gradle管理设备测试失败问题分析与解决方案
2025-07-07 11:07:07作者:侯霆垣
问题背景
在Davx5-OSE项目的持续集成测试过程中,开发团队遇到了一个棘手的自动化测试问题。当执行instrumented tests时,Gradle无法成功创建和管理Android虚拟设备(AVD),导致测试流程中断。这个问题表现为在尝试创建模拟器快照时多次失败,最终导致virtualSetup任务执行失败。
错误现象分析
从错误日志中可以观察到几个关键现象:
- 系统能够成功下载并安装AOSP ATD Intel x86_64 Atom系统镜像
- 在尝试为名为"dev34_aosp_atd_x86_64_Pixel_3"的设备创建快照时连续失败5次
- 每次失败的错误信息相同,提示模拟器意外关闭(错误代码1)
根本原因
经过技术团队深入分析,这个问题可能由以下几个因素导致:
- 模拟器版本兼容性问题:最新版本的Android模拟器可能存在与Gradle管理设备功能不兼容的情况
- 快照创建机制缺陷:Gradle在创建设备快照时可能遇到资源限制或权限问题
- 系统镜像问题:虽然系统镜像下载成功,但可能存在初始化配置问题
解决方案探索
技术团队尝试了多种解决方案路径:
- 回退Ubuntu runner版本:测试使用旧版本的CI运行环境,以排除最新系统环境带来的兼容性问题
- 启用详细日志:通过增加Gradle的日志级别来获取更详细的错误信息
- 禁用快照功能:按照Android官方文档建议,尝试禁用快照功能并执行冷启动
- 调整AGP版本:测试不同版本的Android Gradle Plugin,寻找稳定版本
推荐解决方案
基于目前的测试结果,最有效的解决方案是:
禁用模拟器快照功能并采用冷启动方式
具体实现方法是在Gradle配置中明确禁用快照功能,这可以通过修改项目的gradle.properties文件或直接调整测试配置来实现。这种方案的优势在于:
- 避免了快照创建过程中的不稳定因素
- 虽然冷启动会增加测试初始化的时间,但能保证测试环境的稳定性
- 与CI环境的兼容性更好
实施建议
对于遇到类似问题的开发者,建议按照以下步骤操作:
- 检查项目的Gradle配置,确保使用了稳定的AGP版本
- 在CI配置中明确禁用快照功能
- 考虑增加测试超时时间,以容纳冷启动所需的额外时间
- 监控后续测试运行情况,确保问题得到彻底解决
总结
Android测试环境的管理一直是开发中的挑战点,特别是在CI/CD流水线中。Davx5-OSE项目遇到的这个问题展示了Gradle管理设备功能在实际应用中的潜在陷阱。通过禁用快照功能这一解决方案,团队不仅解决了当前问题,也为其他开发者提供了有价值的参考经验。未来,随着Android工具链的更新,这个问题可能会得到根本性解决,但现阶段采用保守稳定的配置策略是最可靠的选择。
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
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218