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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
649
270
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
297
111
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
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143