@yuantest/playwright - v1.2.1
    正在准备搜索索引...

    类 ShardOptimizer

    方差感知智能分片优化器

    核心算法改进（相比原 LPT 贪心）：

    1. 风险感知负载计算 分片负载 = Σ(estimatedDuration) + riskPenalty * Σ(sqrt(variance)) 高方差测试的不确定性被显式建模，避免多个不稳定用例聚集在同一分片

    2. 多目标优化

      • 主目标：最小化最大分片负载（makespan）
      • 次目标：最小化分片间方差风险差异
      • 约束：高方差测试尽量分散到不同分片

    3. 置信度加权 低置信度测试的预估时间不确定性更高，分配时给予更大的风险惩罚

    4. 两阶段分配 第一阶段：LPT 基础分配（确定性测试） 第二阶段：方差感知重平衡（高风险测试分散化）

    索引

    构造函数

    constructor

    方法

    optimize getShardLoads

    构造函数

    方法

    • 执行方差感知的分片优化

      参数

      • assignments: TestAssignment[]

        测试分配列表，需包含 estimatedDuration、durationConfidence、durationVariance

      • totalShards: number

        总分片数

      返回 Promise<Map<number, TestAssignment[]>>

      分片 ID → 测试分配列表的映射

    显示设置

    成员可见性

    目录

    构造函数
    方法