Capybara项目中Chrome Headless测试崩溃问题的分析与解决
问题背景
在使用Capybara 3.40.0版本进行自动化测试时,许多开发者遇到了Chrome Headless模式下测试崩溃的问题。这个问题表现为测试过程中浏览器标签页意外崩溃,导致测试失败并出现"session deleted because of page crash"的错误信息。
问题现象
当开发者将Capybara升级到3.40.0版本后,使用:selenium_chrome_headless驱动运行测试时,会出现以下典型错误:
Selenium::WebDriver::Error::UnknownError:
unknown error: session deleted because of page crash
from unknown error: cannot determine loading status
from tab crashed
这个问题不仅影响本地测试环境,在CI环境中也同样会出现。错误信息表明Chrome浏览器标签页发生了崩溃,导致WebDriver无法继续执行测试。
根本原因分析
经过技术社区的研究和分析,这个问题主要由以下几个因素共同导致:
-
Chrome浏览器版本兼容性问题:特别是Chrome 121版本存在已知的内存泄漏问题,这会导致浏览器标签页在运行过程中消耗过多内存而崩溃。
-
默认驱动配置:Capybara默认启用了
--disable-site-isolation-experiments选项,在某些环境下可能与新版Chrome产生兼容性问题。 -
Headless模式变更:新版Chrome对Headless模式的实现进行了调整,旧版Headless模式(
--headless=old)和新版Headless模式(--headless=new)的行为有所不同。
解决方案
针对这个问题,开发者可以采取以下几种解决方案:
1. 升级Chrome浏览器版本
将Chrome浏览器升级到122或更高版本,因为这个版本修复了内存泄漏问题。这是最推荐的解决方案,因为它从根本上解决了问题。
2. 自定义驱动配置
修改Capybara的驱动配置,移除可能导致问题的选项或添加稳定性选项:
Capybara.register_driver :selenium_chrome_headless do |app|
options = Selenium::WebDriver::Chrome::Options.new
options.add_argument('--headless=new')
options.add_argument('--disable-dev-shm-usage') # 防止共享内存问题
options.add_argument('--no-sandbox') # 在容器环境中可能需要
Capybara::Selenium::Driver.new(app, browser: :chrome, options: options)
end
3. 使用旧版Headless模式
如果暂时无法升级Chrome版本,可以强制使用旧版Headless模式:
options.add_argument('--headless=old')
最佳实践建议
-
保持浏览器和驱动版本同步:确保Chrome浏览器、Chromedriver和Selenium WebDriver版本相互兼容。
-
**监控测试
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。C089
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00