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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
649
795
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
434
395
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++
1.01 K
1.01 K
Claude 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 Started
Rust
1.24 K
153
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
985
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.68 K
989