Kotest项目中assertSoftly断言丢失堆栈跟踪的问题分析
2025-06-12 21:13:06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
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1