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
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
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
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
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
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++
689
326
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
493