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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00