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 StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03