Oppia项目中端到端测试失败视频记录方案设计与实现
2025-06-04 00:29:13作者:秋阔奎Evelyn
背景介绍
在Oppia项目的自动化测试实践中,端到端(e2e)测试和验收测试(acceptance test)的稳定性一直是个挑战。当测试失败时,开发团队往往需要更多的上下文信息来诊断问题,而传统的日志和截图有时不足以完全重现问题场景。
现有问题分析
当前Oppia项目测试框架存在两个主要痛点:
- 诊断信息不足:测试失败时仅能提供静态截图和日志,缺乏操作过程的动态记录
- 稳定性问题:默认开启视频录制会导致测试不稳定,增加flake(非确定性失败)的发生率
解决方案设计
整体架构
我们采用两阶段执行策略:
- 首次执行:不录制视频,仅收集基本失败信息
- 二次执行:当首次执行失败时,自动重试并录制视频
关键技术实现
视频录制模块
基于Puppeteer生态,我们选择puppeteer-screen-recorder
库实现视频录制功能。该库的优势在于:
- 轻量级集成
- 支持多浏览器标签页同时录制
- 可配置视频质量参数
录制功能被集成到BaseUser
基类中,通过重写openBrowser()
和closeBrowser()
方法实现自动化的录制启停。
质量优化方案
为减少视频录制对测试稳定性的影响,我们实施了以下优化:
- 降低ffmpeg编码质量参数
- 限制视频帧率和分辨率
- 采用更高效的视频编码格式
执行流程控制
测试工作流的具体控制逻辑如下:
- 首次执行不启用视频录制
- 检测到失败后:
- 上传首次执行的日志和截图
- 自动触发二次执行(启用视频录制)
- 二次执行结果处理:
- 若失败:上传视频及二次执行的诊断信息
- 若成功:标记为需人工检查的潜在flake
实现细节
多用户场景处理
在验收测试中,Oppia项目需要模拟多用户交互场景。我们的方案为每个用户会话创建独立的视频记录,最终打包为ZIP归档。例如,一个涉及4个用户的测试用例将生成4个独立的视频文件。
错误处理机制
为确保测试可靠性,我们建立了严格的错误处理规则:
- 无论二次执行结果如何,首次失败都会导致工作流失败
- 二次执行成功时,在日志中添加明确警告,提示需要人工检查潜在问题
实施效果
该方案实施后带来了显著改进:
- 问题诊断效率提升:视频记录提供了完整的操作上下文
- 测试稳定性保障:通过优化录制参数和二次执行策略,减少了视频录制引入的flake
- 资源利用优化:仅在必要时才进行资源密集的视频录制
最佳实践建议
基于Oppia项目的实施经验,我们总结出以下建议:
- 视频参数调优:需要在视频质量和执行稳定性间找到平衡点
- 执行策略定制:根据测试场景复杂度调整重试次数和录制范围
- 结果分析流程:建立标准化的视频分析流程,提高问题定位效率
这套方案不仅解决了Oppia项目的特定需求,其设计思路也可为其他Web应用项目的测试框架优化提供参考。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++097AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
202
2.17 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
61
94

🎉 (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
977
575

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

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++
550
83

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
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133