Scanpy项目中的pytest 8兼容性问题解析
问题背景
在Scanpy这个单细胞分析工具包的最新开发过程中,开发团队发现当使用pytest 8版本运行测试时,scanpy.preprocessing._simple.filter_cells模块的文档测试出现了意外错误。这个问题特别值得关注,因为它涉及到测试框架升级带来的兼容性问题,这在Python生态系统的开发中是一个常见但需要谨慎处理的挑战。
问题现象
具体错误表现为在运行文档测试时,系统抛出了一个未预期的UserWarning警告。这个警告原本是预期的行为(因为测试数据中的观测名称确实不唯一),但在pytest 8环境下,测试框架却将其视为错误而终止了测试执行。
错误信息显示,当加载krumsiek11测试数据集时,系统会发出"Observation names are not unique"的警告,这本应是测试中预期的行为,但pytest 8的错误处理机制却将其捕获为异常。
技术分析
根本原因
经过分析,这个问题与pytest 8中警告处理机制的变更有关。在pytest 8中,对于文档测试中的警告处理变得更加严格,特别是当项目配置了"将警告视为错误"的选项时。这与pytest项目中的一个已知问题相关,即警告处理在文档测试环境中的行为发生了变化。
相关组件
- pytest的警告捕获机制:pytest提供了强大的警告捕获功能,可以配置将特定警告视为测试失败
- Scanpy的测试配置:Scanpy项目配置了严格的警告处理策略,将警告视为错误
- 文档测试的特殊性:文档测试(docstring测试)在pytest中有特殊的执行环境
解决方案
针对这个问题,开发团队参考了anndata项目的处理方式,采用了以下解决方案:
- 使用autouse fixture:创建了一个自动使用的测试fixture,直接控制警告处理行为
- 直接执行效果:而不是通过标记(mark)来控制警告行为
- 版本兼容性处理:对于pytest 8的特殊行为进行了针对性处理
后续发现
在解决这个问题的过程中,开发团队还发现了另一个相关问题:在最小化测试任务中出现了多个ImageComparisonFailure错误。这些错误可能与pytest 8的变更有关,也可能是独立的图像比较问题,需要进一步调查。
经验总结
这个案例为Python项目维护者提供了几个重要经验:
- 测试框架升级需谨慎:即使是次要版本号的升级也可能带来不兼容的变化
- 文档测试的特殊性:文档测试的执行环境与常规测试有所不同,需要特别注意
- 警告处理的复杂性:在大型项目中,警告处理策略需要统一考虑
- 跨项目解决方案参考:当遇到框架兼容性问题时,可以参考其他类似项目的解决方案
对于使用Scanpy的开发者来说,如果遇到类似问题,可以暂时将pytest版本固定在7.x系列,等待更完善的兼容性解决方案。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00