Loki 视觉回归测试中处理异步加载问题的解决方案
2025-07-07 21:01:39作者:魏侃纯Zoe
问题背景
在使用 Loki 进行 Storybook 组件的视觉回归测试时,开发人员经常会遇到异步加载组件导致的测试失败问题。特别是当测试包含音频播放器这类需要时间加载资源的组件时,或者在多视口测试场景下,组件可能无法在截图前完成加载。
核心问题分析
异步组件在多视口测试中的主要挑战在于:
- 时间差问题:组件在不同视口下可能需要不同的加载时间
- 资源加载失败:网络请求可能因测试环境限制而失败
- 状态不一致:组件在不同视口下可能呈现不同的加载状态
解决方案详解
1. 延迟钩子的局限性
虽然可以使用自定义的延迟钩子(delay hook)来等待组件加载完成,但这种方法在多视口测试中存在明显不足:
- 钩子只会在首次执行时生效
- 视口切换后不会重新等待
- 无法处理网络请求失败的情况
2. 更优的解决方案:fetchFailIgnore 配置
在 Loki 配置文件中添加 fetchFailIgnore 参数是更可靠的解决方案:
{
"loki": {
"configurations": {
// 你的视口配置
},
"fetchFailIgnore": ".*"
}
}
这个配置的作用是:
- 忽略所有网络请求失败的情况
- 允许测试继续执行而不因网络问题中断
- 特别适合处理第三方资源或CDN资源加载
进阶建议
1. 结合多种策略
对于复杂的异步组件,建议组合使用以下策略:
- 合理的延迟设置:为关键动画或加载过程设置最小等待时间
- 网络请求忽略:使用上述配置忽略非关键资源加载失败
- 模拟数据:在测试环境中使用本地模拟数据替代远程请求
2. 视口特定的等待策略
对于必须在不同视口下等待的场景,可以考虑:
// 在Story中使用视口检测
export const MobileView = () => {
const isMobile = useMediaQuery('(max-width: 768px)');
const [isLoaded, setIsLoaded] = useState(false);
useEffect(() => {
const timer = setTimeout(() => setIsLoaded(true), isMobile ? 1000 : 500);
return () => clearTimeout(timer);
}, [isMobile]);
return isLoaded ? <Component /> : <Loading />;
};
最佳实践总结
- 区分关键与非关键资源:只为影响视觉的关键加载设置等待
- 合理设置超时:根据组件复杂度设置适当的等待时间
- 利用配置忽略:对非视觉影响的网络请求使用忽略配置
- 环境隔离:测试环境应尽量与开发环境隔离,减少外部依赖
通过以上方法,可以显著提高包含异步组件在多视口测试中的稳定性和可靠性,确保视觉回归测试结果准确反映组件真实表现。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
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++
689
343
Ascend Extension for PyTorch
Python
235
267
暂无简介
Dart
686
161
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
React Native鸿蒙化仓库
JavaScript
266
327
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
56
33
🔥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
65
19
🎉 (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
1.22 K
669