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
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
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
801
🔥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
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
870
207
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
130
189
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160