Pyodide 中 pytest 测试框架运行失败问题分析与解决
问题背景
Pyodide 是一个能够在浏览器中运行 Python 的科学计算栈的项目,它将 Python 解释器和科学计算库编译为 WebAssembly。近期在使用 Pyodide 环境运行 pytest 测试框架时,出现了测试收集阶段失败的问题。
问题现象
在 Pyodide 环境中执行简单的 pytest 命令时,会出现以下错误:
FileNotFoundError: [Errno 44] No such file or directory
错误发生在 pytest 尝试截断临时文件时,具体是在 _pytest/capture.py 文件的 snap() 方法中调用 self.tmpfile.truncate() 时失败。
技术分析
根本原因
这个问题源于 Emscripten 对文件描述符处理的不足。在 Emscripten 的实现中:
- 每个文件描述符都映射到一个
FSStream ftruncate(fd, len)的实现方式是调用truncate(stream.path, len)
这种实现存在一个关键缺陷:并非所有文件描述符都有对应的文件路径。实际上,创建"未命名临时文件"是一种常见模式,即打开一个文件后立即取消其链接。
更深层次的技术细节
在 Unix 系统中,文件描述符和文件路径是两个独立的概念。一个文件被打开后,即使其路径被删除(unlink),文件描述符仍然有效,直到被显式关闭。这种机制常被用于创建临时文件。
然而,Emscripten 的实现假设每个文件描述符都有对应的路径,这在处理 pytest 的临时文件捕获机制时导致了问题。pytest 使用临时文件来捕获测试输出,这些文件可能没有持久化的路径。
解决方案
上游修复
这个问题已经在 Emscripten 核心项目中得到修复。修复内容包括:
- 正确处理没有路径的文件描述符
- 实现了真正的
ftruncate系统调用语义 - 确保临时文件操作的正确性
Pyodide 版本影响
该问题影响了 Pyodide 0.27.4 版本。虽然修复已经存在于上游,但在 Pyodide 0.27.4 发布时,由于构建过程中的一个手动操作错误,导致修复没有正确包含在发布版本中。
临时解决方案
对于无法立即升级的用户,可以考虑以下临时方案:
- 使用 pytest 的
-p no:capture参数禁用输出捕获 - 在测试代码中避免使用需要文件截断的操作
- 等待 Pyodide 0.27.5 修复版本发布
最佳实践建议
对于在 Pyodide 环境中运行测试的用户,建议:
- 定期更新 Pyodide 版本以获取最新的修复
- 在 CI 环境中明确指定 Pyodide 版本
- 对于关键测试流程,考虑添加版本检查逻辑
- 关注 Pyodide 项目的发布说明,了解兼容性变化
总结
Pyodide 环境中 pytest 运行失败的问题展示了 WebAssembly 环境下系统调用模拟的复杂性。通过上游修复和版本管理,这个问题已经得到解决。对于依赖 Pyodide 进行测试的开发者,理解这些底层机制有助于更好地诊断和解决类似问题。
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