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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112