TestCafe在AWS CodeBuild中运行Headless Chrome 123的兼容性问题分析
问题背景
TestCafe作为一款流行的端到端测试框架,在AWS CodeBuild环境中运行时遇到了与Chrome 123版本的兼容性问题。开发者在AWS CodeBuild环境中使用Amazon Linux 2023镜像时,发现当Chrome浏览器升级到123.0.0.0版本后,测试运行会出现浏览器意外断开连接的错误。
问题现象
当在AWS CodeBuild环境中执行TestCafe测试时,控制台会输出以下错误信息:
ERROR The Chrome 123.0.0.0 / Amazon Linux 2023.4.20240401 (Amazon Linux) browser disconnected. If you did not close the browser yourself, browser performance or network issues may be at fault.
环境配置
出现问题的环境具有以下特征:
- TestCafe版本:3.5.0
- Node.js版本:18
- AWS CodeBuild镜像:aws/codebuild/amazonlinux2-x86_64-standard:5.0
- Chrome版本:123.0.0.0
- 浏览器启动参数包含:--headless=new --no-sandbox --disable-dev-shm-usage等
问题分析
这个问题与Chrome 122版本时出现的"无检查目标"错误类似,但表现不同。在Chrome 122版本时,开发者可以通过添加--headless=new参数解决兼容性问题,但在Chrome 123版本中,这种方法不再有效。
从技术角度看,这种浏览器断开连接的问题通常与以下几个因素有关:
- 浏览器版本与TestCafe的兼容性
- 运行环境的资源限制
- 浏览器启动参数配置
- 浏览器进程管理方式
解决方案探索
根据社区反馈,有以下几种可能的解决方案:
-
降级Chrome版本:有开发者报告通过强制使用特定版本的Chromium(如124.0.6367.60-r0)可以解决类似问题。这可以通过修改Dockerfile或构建脚本来实现。
-
调整浏览器参数:尝试不同的浏览器启动参数组合,特别是与进程管理和沙箱相关的参数。
-
环境资源检查:确保AWS CodeBuild环境有足够的内存和CPU资源分配给浏览器进程。
-
TestCafe配置调整:增加browserInitTimeout等超时设置,给浏览器更多初始化时间。
最佳实践建议
对于在CI环境中使用TestCafe的团队,建议:
-
固定浏览器版本:在CI环境中使用固定版本的浏览器,避免自动升级带来的不可预期问题。
-
隔离测试环境:考虑使用Docker容器来封装测试环境,确保环境一致性。
-
监控资源使用:密切关注CI环境中的资源使用情况,必要时增加资源配置。
-
保持TestCafe更新:定期更新TestCafe版本,以获得最新的兼容性修复。
结论
TestCafe在AWS CodeBuild环境中与Chrome 123版本的兼容性问题,反映了浏览器自动化测试在持续集成环境中的挑战。通过版本控制和环境隔离,可以有效减少这类问题的发生。开发团队应当建立完善的测试环境管理策略,确保测试的稳定性和可靠性。
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