Karate项目与GraalVM版本兼容性问题解析
2025-05-27 06:42:05作者:彭桢灵Jeremy
背景介绍
Karate是一个基于Java的测试自动化框架,它依赖于GraalVM的JavaScript引擎来执行测试脚本。近期GraalVM从23.0.x升级到23.1.x版本后,带来了重大的架构变化,这直接影响了Karate框架的正常运行。
问题本质
GraalVM 23.1.0版本对JavaScript模块进行了重大重构,主要体现在:
- Maven坐标发生了变化
- 模块结构进行了调整
- 引入了新的许可证模式
这些变化导致使用Karate框架的项目在升级GraalVM版本后出现兼容性问题,主要表现为测试执行超时或无法正常启动JavaScript引擎。
解决方案
对于需要同时使用Karate和较新版本GraalVM(23.1.x及以上)的开发者,可以采用以下临时解决方案:
- 在项目中显式排除Karate自带的GraalVM依赖
- 手动引入新版本的GraalVM依赖
- 确保所有相关模块版本一致
具体Maven配置示例如下:
<dependency>
<groupId>io.karatelabs</groupId>
<artifactId>karate-core</artifactId>
<version>1.5.0.RC3</version>
<exclusions>
<exclusion>
<groupId>org.graalvm.js</groupId>
<artifactId>js</artifactId>
</exclusion>
<exclusion>
<groupId>org.graalvm.js</groupId>
<artifactId>js-scriptengine</artifactId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>org.graalvm.js</groupId>
<artifactId>js-scriptengine</artifactId>
<version>23.1.2</version>
</dependency>
<dependency>
<groupId>org.graalvm.polyglot</groupId>
<artifactId>js</artifactId>
<version>23.1.2</version>
<type>pom</type>
<scope>runtime</scope>
</dependency>
许可证变更说明
GraalVM 23.1.0开始提供了两种许可证选项:
- 默认使用GraalVM Free Terms and Conditions (GFTC)许可证
- 社区版许可证,需要在依赖名称后添加"-community"后缀
开发者需要根据自身项目的许可证要求选择合适的版本。
未来展望
Karate开发团队已经意识到GraalVM频繁变更带来的维护挑战,正在考虑寻找替代方案。在Karate 1.5.0版本中,团队已将GraalVM依赖升级至24.x版本,并调整了依赖配置,以更好地适应新版本的GraalVM架构。
建议
对于生产环境项目:
- 如果不需要GraalVM 23.1.x的新特性,建议暂时保持在23.0.x版本
- 如需升级,请确保全面测试所有Karate功能
- 关注Karate官方更新,及时升级到已解决兼容性问题的版本
对于框架开发者,这一案例也提醒我们在选择依赖时需要评估其长期维护性和稳定性,特别是当依赖项处于快速发展阶段时。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217