Ccover在hudson持续集成中的应用

简介:

背景

Hudson是一款优秀的持续集成引擎,但是在使用中发现对于后端c语言的项目支持还没有成熟的插件,不是特别易用,覆盖率,btest等都不能直接应用到hudson中。 
每次新加入的代码要经过充分单测才能保证整体的稳定性。评价单测充分性有很多指标。其中一个重要指标就是覆盖率指标。把ccover集成进hudson,并且改进一下报表和展现工具,使其更好的为保证产品质量服务。使其成为日常测试一个简单易用的工具是主要目标。 

前期准备
Hudson安装请参见文档: 
http://com.baidu.com/twiki/bin/viewfile/Ecom/Continuous_integration?filename=Hudson%E4%BD%BF%E7%94%A8.doc
<!--[if gte mso 9]&gt;<![endif]--> 
Ccover安装请参见文档: 
http://com.baidu.com/twiki/bin/view/Main/Ccover
<!--[if gte mso 9]&gt;<![endif]--> 
<!--[if gte mso 9]&gt;<![endif]--> 
使用ccover
先配置hudson从svn获取最新版本。 
书写ant构建环境,ccover的覆盖率文件一般在bash_profile中配置为`pwd`/test.cov。如果通过这种方式编译通过后,没有产生test.cov文件。先使用cov01 –s命令检查ccover是否开启,仍不能解决建议covfile使用绝对目录的配置形式。 
通过covfn,covsrc,covdir,Covclass获取html格式的覆盖率报告。通过html格式的插件展现在hudson中。 
需要安装的插件如下: 
htmlpublisher.hpi 
ncover.hpi 
配置方式如下: 
先配置展现报告的目录 
<!--[if mso]&gt; <![endif]--><!--[if gte mso 9]&gt;<![endif]--><!--[if gte mso 9]&gt;<![endif]--><!--[if gte mso 9]&gt;<![endif]--><!--[if gte mso 10]&gt; <![endif]--> <!--[if gte mso 9]&gt;<![endif]--> 
<!--[if mso]&gt; <![endif]--><!--[if gte mso 9]&gt;<![endif]--><!--[if gte mso 9]&gt;<![endif]--><!--[if gte mso 9]&gt;<![endif]--><!--[if gte mso 10]&gt; <![endif]--> <!--[if gte mso 9]&gt;<![endif]--> 
<!--[if gte mso 9]&gt;<![endif]--> 
勾选keep past coverage report选项,用来保准历史运行中的覆盖率报告。 
配置需要展现的报告名称,用逗号隔开 
<!--[if gte mso 9]&gt;<![endif]--> 
至此完成了降ccover集成进hudson中的工作。到此为止虽然我们可以查看ccover的报告了,但是还是没法发现那些函数下降了,新代码覆盖率与老代码有哪些不同。需要我们自己做一些扩展和改进。 
改进
对比档次build版本的覆盖率和之前版本的覆盖率,找出差异。 
lowest_warning=5 函数最低覆盖率 
new_warning=10 新加入函数的最低覆盖率 
drop_warning=1 旧函数最多下降的比率 
发现任何一个指标低于阀值则进行报警,并将将变动的函数展现在报告中。 
 



<!--[if gte mso 9]&gt;<![endif]--> 
<!--[if gte mso 9]&gt;<![endif]--> 
<!--[if gte mso 9]&gt;<![endif]--> 
图形化展示历史的ccover覆盖率变化趋势,方便分析程序的变化历程。 
配置如下: 
#提取覆盖率信息的文件名 
file_name=testsrc.html 
#输出覆盖率信息的文件名 
output=mydir.csv 
#提取信息的匹配名称 
match=avgrank_value_computation.cpp 

配置成功后,可以在hudson首页查看历史的覆盖率趋势 
<!--[if gte mso 9]&gt;<![endif]--> 
 

 

后话
经过几步改造后,ccover已经比较好的融入到hudson。方便我们使用和查看每次版本的覆盖率,分析历史趋势。我们的持续集成还有很多需要改进的地方,希望ccover可以帮助我们更好的在前期把控质量,分析程序缺陷。不断改进,提高hudson在后端持续集成的易用性。

 

(作者:wangzuobo) 
 

 

















本文转自百度技术51CTO博客,原文链接:http://blog.51cto.com/baidutech/743415,如需转载请自行联系原作者

相关文章
|
3月前
|
人工智能 Java API
Java与大模型集成实战:构建智能Java应用的新范式
随着大型语言模型(LLM)的API化,将其强大的自然语言处理能力集成到现有Java应用中已成为提升应用智能水平的关键路径。本文旨在为Java开发者提供一份实用的集成指南。我们将深入探讨如何使用Spring Boot 3框架,通过HTTP客户端与OpenAI GPT(或兼容API)进行高效、安全的交互。内容涵盖项目依赖配置、异步非阻塞的API调用、请求与响应的结构化处理、异常管理以及一些面向生产环境的最佳实践,并附带完整的代码示例,助您快速将AI能力融入Java生态。
499 12
|
4月前
|
人工智能 运维 负载均衡
F5发布业界首创集成式应用交付与安全平台,开启ADC 3.0新时代
F5发布业界首创集成式应用交付与安全平台,开启ADC 3.0新时代
128 0
|
4月前
|
人工智能 自然语言处理 分布式计算
AI 驱动传统 Java 应用集成的关键技术与实战应用指南
本文探讨了如何将AI技术与传统Java应用集成,助力企业实现数字化转型。内容涵盖DJL、Deeplearning4j等主流AI框架选择,技术融合方案,模型部署策略,以及智能客服、财务审核、设备诊断等实战应用案例,全面解析Java系统如何通过AI实现智能化升级与效率提升。
345 0
|
6月前
|
机器学习/深度学习 数据采集 存储
朴素贝叶斯处理混合数据类型,基于投票与堆叠集成的系统化方法理论基础与实践应用
本文探讨了朴素贝叶斯算法在处理混合数据类型中的应用,通过投票和堆叠集成方法构建分类框架。实验基于电信客户流失数据集,验证了该方法的有效性。文章详细分析了算法的数学理论基础、条件独立性假设及参数估计方法,并针对二元、类别、多项式和高斯分布特征设计专门化流水线。实验结果表明,集成学习显著提升了分类性能,但也存在特征分类自动化程度低和计算开销大的局限性。作者还探讨了特征工程、深度学习等替代方案,为未来研究提供了方向。(239字)
202 5
朴素贝叶斯处理混合数据类型,基于投票与堆叠集成的系统化方法理论基础与实践应用
|
10月前
|
前端开发 安全 开发工具
【11】flutter进行了聊天页面的开发-增加了即时通讯聊天的整体页面和组件-切换-朋友-陌生人-vip开通详细页面-即时通讯sdk准备-直播sdk准备-即时通讯有无UI集成的区别介绍-开发完整的社交APP-前端客户端开发+数据联调|以优雅草商业项目为例做开发-flutter开发-全流程-商业应用级实战开发-优雅草Alex
【11】flutter进行了聊天页面的开发-增加了即时通讯聊天的整体页面和组件-切换-朋友-陌生人-vip开通详细页面-即时通讯sdk准备-直播sdk准备-即时通讯有无UI集成的区别介绍-开发完整的社交APP-前端客户端开发+数据联调|以优雅草商业项目为例做开发-flutter开发-全流程-商业应用级实战开发-优雅草Alex
632 90
【11】flutter进行了聊天页面的开发-增加了即时通讯聊天的整体页面和组件-切换-朋友-陌生人-vip开通详细页面-即时通讯sdk准备-直播sdk准备-即时通讯有无UI集成的区别介绍-开发完整的社交APP-前端客户端开发+数据联调|以优雅草商业项目为例做开发-flutter开发-全流程-商业应用级实战开发-优雅草Alex
|
机器学习/深度学习 Python
堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能
本文深入探讨了堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能。文章详细介绍了堆叠的实现步骤,包括数据准备、基础模型训练、新训练集构建及元学习器训练,并讨论了其优缺点。
737 3
|
6月前
|
缓存 前端开发 定位技术
通义灵码2.5智能体模式实战———集成高德MCP 10分钟生成周边服务地图应用
通义灵码2.5智能体模式结合高德MCP服务,实现快速构建周边服务地图应用。通过自然语言需求输入,智能体自动分解任务并生成完整代码,涵盖前端界面、API集成与数据处理,10分钟内即可完成传统开发需数小时的工作,大幅提升开发效率。
364 0
|
11月前
|
机器人 应用服务中间件 API
轻松集成私有化部署Dify文本生成型应用
Dify 是一款开源的大语言模型应用开发平台,融合了后端即服务(Backend as Service)和 LLMOps 的理念,使开发者能快速搭建生产级生成式 AI 应用。通过阿里云计算巢,用户可以一键部署 Dify 社区版,享受独享的计算和网络资源,并无代码完成钉钉、企业微信等平台的应用集成。本文将详细介绍如何部署 Dify 并将其集成到钉钉群聊机器人和企业微信中,帮助您轻松实现 AI 应用的定义与数据运营,提升工作效率。
5073 65
轻松集成私有化部署Dify文本生成型应用
|
前端开发 JavaScript UED
探索Python Django中的WebSocket集成:为前后端分离应用添加实时通信功能
通过在Django项目中集成Channels和WebSocket,我们能够为前后端分离的应用添加实时通信功能,实现诸如在线聊天、实时数据更新等交互式场景。这不仅增强了应用的功能性,也提升了用户体验。随着实时Web应用的日益普及,掌握Django Channels和WebSocket的集成将为开发者开启新的可能性,推动Web应用的发展迈向更高层次的实时性和交互性。
306 1
|
Java Maven Docker
gitlab-ci 集成 k3s 部署spring boot 应用
gitlab-ci 集成 k3s 部署spring boot 应用