Stacks-core项目中的测试标签化改进方案
2025-06-26 23:58:19作者:董灵辛Dennis
背景介绍
在软件开发过程中,测试是保证代码质量的重要环节。stacks-core作为一个区块链项目,其测试体系面临着一些挑战:测试筛选不够灵活、难以按功能模块执行测试、开发环境友好度不足等问题。这些问题直接影响了开发效率和CI/CD流程的优化。
现有测试体系的问题分析
当前stacks-core项目的测试筛选主要依赖两种方式:
- 使用
#[ignore]属性标记需要跳过的测试用例(如耗时测试或复杂集成测试) - 通过测试函数的完整路径名来精确选择或排除特定测试
这种机制存在明显不足:
- 无法基于功能上下文(如加密相关、签名相关、共识相关等)进行灵活筛选
- 难以定义合理的执行策略(独立运行、并行执行等)
- 对本地开发环境不够友好
- 与CI/CD流程的集成不够顺畅
解决方案设计
核心思路
引入一个名为testag的专用crate,通过过程宏实现测试标签化功能。该方案具有以下特点:
- 标签配置集中管理:通过Cargo.toml文件统一管理允许使用的标签集合
- 简单易用的标注语法:使用属性宏轻松为测试函数添加标签
- 运行时筛选:避免因改变筛选条件而触发重新编译
- 兼容性设计:支持标准测试框架和主流测试宏(如tokio、should_panic等)
技术实现细节
方案采用了一种巧妙的名称转换机制:将测试函数转换为模块结构,并将标签信息编码到模块路径中。例如:
原始测试函数:
fn test_hello()
添加"fast"标签后转换为:
test_hello::t::fast::t
这种转换保持了原始测试路径的同时,嵌入了标签信息,形成了独特的模式:t::tag1::tag2::tag3::t。这种结构既便于模式匹配,又能有效避免命名冲突。
实际应用示例
标签配置
在Cargo.toml中定义允许使用的标签集合:
[package.metadata.testag]
allowed = ["fast", "slow", "crypto"]
测试标注
在测试代码中使用标签:
#[tag(fast)]
#[test]
fn test_quick() { assert!(true); }
#[tag(fast, crypto)]
#[test]
fn test_quick_btc() { assert!(true); }
测试执行
- 使用cargo test筛选快速测试:
cargo test :fast:
- 使用cargo nextest进行复杂筛选:
cargo nextest --filter-expr 'test(:slow:) and test(:crypto:)'
- 通过配置文件定义测试profile:
[profile.btcslow]
default-filter = "test(:slow:) and test(:crypto:)"
方案优势与价值
- 提升开发体验:开发者可以轻松筛选相关测试,提高本地开发效率
- 优化CI/CD流程:支持复杂的测试筛选逻辑,便于构建不同的测试场景
- 维护成本低:标签集中管理,避免标签滥用和拼写错误
- 兼容性强:与现有测试工具链无缝集成,无需改变开发习惯
总结
stacks-core项目通过引入测试标签化系统,有效解决了测试筛选不灵活的问题。该方案不仅提升了开发效率,还为持续集成流程提供了更多可能性。这种基于宏和模块路径转换的技术实现,既保持了Rust语言的特性,又提供了简洁易用的接口,是测试体系优化的一个典范。
对于其他Rust项目而言,这种测试标签化思路同样具有参考价值,特别是在需要复杂测试筛选和分类的场景下。项目团队已经在一个名为pinny-rs的仓库中实现了这一方案,为后续在stacks-core中的集成奠定了基础。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
134