Criterion测试框架中如何验证程序崩溃是预期行为
2025-07-04 23:08:23作者:毕习沙Eudora
在单元测试中,我们不仅需要验证代码的正确执行路径,有时还需要确保程序在特定条件下能够按照预期崩溃。本文将介绍如何在Criterion测试框架中优雅地处理这类测试场景。
为什么需要测试程序崩溃
程序崩溃测试在以下场景中尤为重要:
- 验证断言(assert)是否按预期触发
- 测试错误处理边界条件
- 确保非法输入会导致程序终止而非继续执行错误状态
- 验证内存访问越界等严重错误的处理
Criterion的信号处理机制
Criterion提供了专门的测试选项来处理预期崩溃的场景。通过在测试用例中添加.signal参数,我们可以指定期望接收到的信号类型。
基本用法示例
#include <criterion/criterion.h>
Test(suite_name, test_name, .signal = SIGSEGV) {
// 这里放置预期会导致段错误的代码
int *ptr = NULL;
*ptr = 42; // 这行应该触发SIGSEGV
}
当测试运行时,如果确实收到了SIGSEGV信号,测试将被标记为通过;如果没有收到预期信号,测试则会失败。
支持的信号类型
Criterion支持测试各种常见的崩溃信号:
- SIGSEGV:内存访问违规
- SIGABRT:程序调用abort()
- SIGFPE:算术运算错误
- SIGILL:非法指令
- SIGBUS:总线错误
高级应用场景
测试断言失败
#include <assert.h>
#include <criterion/criterion.h>
Test(assertions, test_assert_fail, .signal = SIGABRT) {
assert(0); // 断言失败应触发SIGABRT
}
组合测试选项
信号测试可以与其他测试选项组合使用:
Test(complex, test_case,
.signal = SIGSEGV,
.timeout = 1, // 设置超时
.disabled = false) {
// 测试代码
}
最佳实践建议
- 为每个预期崩溃的场景编写独立的测试用例
- 在测试描述中明确说明预期崩溃的原因
- 避免在同一个测试中混合正常路径和崩溃路径测试
- 对于重要的安全断言,确保编写对应的崩溃测试
注意事项
- 确保测试环境不会干扰信号捕获
- 在多线程测试中要特别注意信号处理
- 某些信号可能被系统处理方式不同,需要针对目标平台测试
通过合理利用Criterion的信号测试功能,开发者可以构建更全面的测试套件,确保程序不仅在正常情况下表现正确,在异常情况下也能安全失败。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue07- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
573
3.87 K
Ascend Extension for PyTorch
Python
393
472
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++
899
697
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
358
218
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
124
160
🎉 (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
1.39 K
785
昇腾LLM分布式训练框架
Python
122
148
暂无简介
Dart
811
199
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
533
235
React Native鸿蒙化仓库
JavaScript
312
364