Loki 视觉回归测试中处理异步加载问题的解决方案
2025-07-07 04:27:02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
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-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
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
477
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
375
3.21 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
615
140
🔥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
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258