MeterSphere自动化测试场景批量执行停止机制问题分析
问题背景
在MeterSphere v2.10.20-lts版本中,用户反馈了一个关于自动化测试场景批量执行停止机制的重要问题。当用户选择批量执行多个自动化测试场景并生成集合报告时,如果在任务中心点击停止按钮,系统只能停止当前正在执行的场景,而队列中后续等待执行的测试场景仍会继续执行,无法实现完全停止。
问题现象
具体表现为:
- 用户创建了一个包含多个测试场景(例如场景A、B、C)的批量执行任务
- 执行过程中,用户点击停止按钮
- 系统仅停止了当前正在执行的场景(如场景A)
- 队列中后续的场景(如场景B、C)仍会继续执行
- 集合报告的状态会被后续执行的场景覆盖修改
技术原因分析
经过深入分析,发现该问题的根本原因在于停止机制的设计实现上:
-
队列处理不完整:当前停止操作仅删除了
api_execution_queue_detail表中当前正在执行的记录,而没有清理后续等待执行的队列记录。 -
状态管理冲突:虽然停止操作会更新集合报告的状态为STOP,但后续场景执行完成后会再次将报告状态修改为SUCCESS或ERROR,导致停止状态被覆盖。
-
执行流程缺陷:当停止当前场景后,系统仍会继续执行队列中的下一个场景,因为停止操作没有完全中断整个执行流程。
解决方案
MeterSphere开发团队在v2.10.23版本中已修复此问题。修复方案主要包括:
-
完整队列清理:停止操作不仅会终止当前执行的任务,还会清理整个执行队列中的所有待执行记录。
-
状态管理优化:确保一旦报告状态被设置为STOP后,不会被后续操作覆盖。
-
执行流程改进:在停止操作时彻底中断整个批量执行流程,防止后续场景继续执行。
最佳实践建议
对于使用自动化测试批量执行功能的用户,建议:
-
及时升级:升级到v2.10.23或更高版本以获得完整的停止功能。
-
执行监控:在执行大批量测试场景时,密切监控执行状态,发现问题及时处理。
-
分批执行:对于关键测试场景,考虑分批执行以降低风险。
-
报告验证:停止操作后,验证集合报告状态是否确实停止,确保没有遗漏的场景继续执行。
总结
自动化测试的批量执行和停止功能是测试流程中的重要环节。MeterSphere团队及时响应并修复了批量执行停止不完全的问题,体现了对产品质量和用户体验的重视。用户应当保持系统更新,以获得最佳的使用体验和最完善的功能支持。
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