Kotest v6.0.0.M3 版本发布:测试框架的全面升级
2025-06-12 17:35:09作者:羿妍玫Ivan
Kotest 是一个功能强大的 Kotlin 测试框架,它提供了丰富的测试功能和灵活的 DSL,支持多种测试风格(如行为驱动开发BDD、规范风格等)。作为 Kotlin 生态中广受欢迎的测试工具,Kotest 不仅支持传统的单元测试,还提供了属性测试、数据驱动测试等高级功能。
本次发布的 v6.0.0.M3 版本是 Kotest 6.0 系列的第三个里程碑版本,带来了多项功能增强和问题修复,进一步提升了测试开发的体验和框架的稳定性。
核心功能改进
1. 属性测试生成器增强
本次版本对属性测试中的生成器(Arb)进行了多项改进:
- 新增了
Arb.localTime(startTime, endTime)方法,允许开发者生成指定时间范围内的 LocalTime 实例 - 增加了
Arb.slice功能,可以从现有集合中生成子集 - 引入了
Arb.plusEdgecases方法,方便开发者向现有生成器添加边界用例 - 修复了数值类型生成器的文档说明,明确了正负数生成的行为
这些改进使得属性测试更加灵活和全面,能够覆盖更多边界情况。
2. 断言功能的优化
断言系统也获得了多项增强:
- 为
shouldNotThrowExactlyUnit添加了与assertSoftly的兼容性支持 - 新增了哈希码匹配器文档,方便开发者进行哈希码验证
- 改进了
shouldNotBeCompletedExceptionally的错误信息,提供了更多关于未来失败原因的详细信息 - 为布尔值匹配器添加了可空接收者支持
3. 测试执行与控制
在测试执行方面,本次版本引入了几个重要改进:
- 新增了
disabledIf功能,允许基于条件动态禁用测试 - 为协程提供了规范级别的作用域支持,简化了异步测试代码
- 改进了系统属性的处理逻辑,修复了项目配置查找的问题
- 优化了 TeamCity 输出的持续时间处理方式
文档与维护改进
除了功能增强外,本次发布还包含多项文档更新和维护工作:
- 修复了多处文档中的拼写错误和描述不准确的问题
- 更新了数据驱动测试的文档说明
- 改进了类型匹配器的文档描述
- 添加了忽略 kotest.log 文件的 Git 配置
- 更新了项目依赖,包括 Mockk 和 BlockHound 的版本升级
技术细节优化
在底层实现上,开发团队也进行了多项优化:
- 当使用显式生成器时,不再添加隐式的 null 值
- 改进了扩展的使用方式,使其更加明确
- 将测试容器移到了顶级仓库中,优化了项目结构
- 在 GitHub Actions 中优化了测试容器的执行策略
总结
Kotest v6.0.0.M3 版本在保持框架稳定性的同时,通过多项功能增强和问题修复,进一步提升了开发者的测试体验。特别是属性测试生成器的改进和断言系统的优化,使得编写全面、可靠的测试变得更加简单。随着 Kotest 6.0 系列的逐步完善,Kotlin 开发者将拥有一个更加强大、易用的测试工具来保证代码质量。
对于正在使用 Kotest 的团队,建议评估这些新功能如何能够改进现有的测试策略,特别是属性测试和条件测试执行方面的新特性,可能会为测试覆盖率和测试效率带来显著提升。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217