ownCloud OCIS 通知设置功能测试指南
2025-07-10 04:35:42作者:柯茵沙
ownCloud OCIS 作为新一代云存储平台,近期实现了细粒度的通知设置功能,允许用户根据不同类型的事件自定义接收通知的方式。本文将详细介绍该功能的测试要点和实施建议。
功能概述
OCIS 的通知系统现已支持用户针对不同事件类型选择接收方式,包括:
- 电子邮件通知
- 应用内通知
- 完全禁用通知
目前系统支持的主要事件类型包括:
- 分享相关:分享创建、分享移除、分享过期
- 空间相关:空间删除、空间禁用、空间成员资格过期、空间共享、空间取消共享
- 文件相关:文件被拒绝(病毒文件)
测试要点
分享相关事件测试
-
分享过期通知
- 验证用户能够同时接收应用内和电子邮件通知
- 检查通知内容的准确性和及时性
-
分享创建通知
- 测试各种分享场景下的通知触发
- 验证通知中包含必要的分享详情
-
分享移除通知
- 确保被移除方能够收到通知
- 检查通知中是否包含移除操作的相关信息
空间相关事件测试
-
空间删除通知
- 目前仅支持应用内通知测试
- 验证空间所有者和管理员能收到通知
-
空间禁用通知
- 测试空间被禁用时的通知触发
- 检查通知中是否包含禁用原因(如有)
-
空间成员资格过期
- 验证成员资格到期时的双重通知(应用内+邮件)
- 确保通知中包含空间名称和过期时间
-
空间共享/取消共享
- 测试共享和取消共享操作的通知
- 验证通知接收方是否正确
文件相关事件测试
- 文件被拒绝(病毒文件)
- 测试上传病毒文件时的通知
- 目前仅支持应用内通知测试
- 验证通知中包含文件名称和拒绝原因
通用测试项
-
通知时间设置
- 测试"即时"、"从不"等不同时间设置
- 验证电子邮件通知的发送时机是否符合设置
-
轻量级用户测试
- 验证轻量级用户能否正常接收各类通知
- 特别是电子邮件通知功能
测试实施建议
-
自动化测试框架
- 建议使用API测试验证通知设置和接收
- 避免使用可能引起不稳定的全量通知列表查询
-
测试数据准备
- 为每种事件类型创建专门的测试场景
- 确保测试环境配置了正确的SMTP服务
-
稳定性考量
- 实现适当的重试机制处理暂时性失败
- 测试后做好环境清理工作
-
测试报告
- 记录每种事件类型的测试结果
- 特别标注已知未实现的功能点
已知限制
目前系统存在以下已知限制,测试时需注意:
- 部分事件(空间禁用、空间删除、文件被拒绝)的电子邮件通知尚未实现
- 轻量级用户的某些通知场景可能存在特殊行为
通过全面覆盖上述测试点,可以确保OCIS的通知设置功能在各种使用场景下都能正常工作,为用户提供灵活可靠的通知体验。
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
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
274
94
暂无简介
Dart
623
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
380
3.41 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
621
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