Kotest项目中assertSoftly断言丢失堆栈跟踪的问题分析
2025-06-12 00:38:28作者:董宙帆
问题背景
在Kotest测试框架中,assertSoftly是一个非常有用的功能,它允许在单个测试块中执行多个断言,即使其中一个断言失败,也会继续执行其他断言,最后将所有失败结果汇总报告。然而,在5.9.1版本中存在一个关于堆栈跟踪显示不准确的问题。
问题现象
当使用assertSoftly块时,如果满足以下两个条件:
- 块中只收集到一个断言错误
- 该断言错误的类型不是标准的
AssertionFailedError(例如是普通的AssertionError)
那么错误报告中显示的堆栈跟踪会指向assertSoftly块的开始位置,而不是实际断言失败的位置。这使得开发者难以快速定位到真正出错的代码行。
问题复现
通过一个简单的测试类可以清晰地复现这个问题:
import io.kotest.assertions.assertSoftly
import io.kotest.core.spec.style.StringSpec
import io.kotest.matchers.should
import io.kotest.matchers.shouldBe
import io.kotest.matchers.string.beEmpty
class Test : StringSpec ({
"多个断言错误" {
assertSoftly {
1 shouldBe 2 // 错误1
null should beEmpty() // 错误2
}
}
"单个断言错误" {
assertSoftly { // 堆栈跟踪指向这里
null should beEmpty() // 实际错误位置
}
}
})
在第一个测试用例中,由于有两个断言错误,堆栈跟踪会正确地指向两个错误位置。但在第二个测试用例中,由于只有一个断言错误,堆栈跟踪会错误地指向assertSoftly块的开始位置。
问题影响
虽然这个问题看起来不大,因为堆栈跟踪至少指向了包含错误的代码块,但当启用全局软断言设置(kotest.framework.assertion.globalassertsoftly = true)时,问题会变得更加严重,因为所有的断言都会自动包裹在软断言中,导致调试变得更加困难。
技术分析
这个问题的根本原因在于assertSoftly实现中对错误处理的逻辑。当只有一个错误且类型不是AssertionFailedError时,框架没有正确地保留原始错误的堆栈跟踪信息。正确的实现应该始终保留原始断言失败的堆栈信息,无论错误类型如何。
解决方案
该问题已在后续版本中得到修复。修复的核心思路是确保无论错误类型和数量如何,都正确保留原始错误的堆栈跟踪信息。开发者可以通过升级到最新版Kotest来解决这个问题。
最佳实践
- 及时更新Kotest版本以获取最新的错误修复
- 在调试软断言问题时,可以临时关闭全局软断言设置
- 对于关键断言,考虑使用硬断言(
shouldBe)而非软断言,以获得更准确的错误位置 - 编写测试时,尽量保持断言块的简洁,便于定位问题
通过理解这个问题及其解决方案,开发者可以更有效地使用Kotest的软断言功能,提高测试代码的可维护性和调试效率。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler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。
C
468
461
暂无描述
Dockerfile
775
5.07 K
Ascend Extension for PyTorch
Python
756
960
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430