Haze项目中的Android UI测试崩溃问题分析与解决
2025-07-10 10:31:12作者:羿妍玫Ivan
问题背景
在Android开发中使用Haze库进行UI模糊效果实现时,开发者在升级到0.6.0版本后遇到了Espresso UI测试崩溃的问题。这个问题表现为测试运行时抛出"Recording currently in progress - missing #endRecording() call?"的异常,而实际应用运行却正常。
问题现象
当测试用例中包含Haze视图时,测试会崩溃并抛出以下关键异常栈:
java.lang.IllegalStateException: Recording currently in progress - missing #endRecording() call?
at android.graphics.RenderNode.beginRecording(RenderNode.java:446)
这个错误表明在Android的渲染系统中,存在渲染记录未正确结束的情况。值得注意的是,这个问题在Haze 0.5.4版本中并不存在,是0.6.0版本引入的回归问题。
技术分析
这个问题的根源与Android的渲染管线有关。RenderNode是Android系统中用于硬件加速渲染的核心类,它通过记录绘制操作来实现高效的UI渲染。当系统检测到前一个渲染记录未正确结束时尝试开始新的记录,就会抛出这个异常。
从技术角度看,这种情况通常发生在:
- 视图绘制过程中被中断
- 绘制操作没有正确配对(begin/end)
- 在多线程环境下对渲染资源的竞争访问
考虑到Haze库实现了模糊效果,它可能使用了离屏渲染或特殊的绘制技术,这在UI测试环境下可能触发了一些边界条件。
解决方案
根据后续反馈,这个问题在Haze 0.6.1/0.6.2版本中已经得到修复。对于遇到类似问题的开发者,建议:
- 首先升级到最新稳定版本的Haze库
- 如果必须使用特定版本,可以考虑以下临时解决方案:
- 在测试中mock或移除Haze视图
- 调整测试等待时间,确保渲染完成
- 使用更宽松的测试断言策略
最佳实践
为了避免类似问题,建议开发者在集成视觉效果库时:
- 保持库的及时更新
- 为视觉效果组件编写隔离的单元测试
- 在UI测试中考虑视觉效果的计算开销
- 建立版本升级的回归测试机制
总结
这个案例展示了Android视觉效果实现与测试框架交互时可能遇到的微妙问题。通过版本迭代,Haza库团队已经解决了这个渲染管线异常问题。开发者应当注意视觉效果组件在测试环境中的特殊行为,并建立相应的测试策略来保证应用的稳定性。
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
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217