pytest-asyncio 1.1.0a1版本发布:异步测试框架的重大更新
pytest-asyncio是一个流行的Python测试插件,它允许开发者在pytest框架中轻松编写和运行异步测试代码。这个插件为asyncio库提供了深度集成,使得测试异步代码变得像测试同步代码一样简单。最新发布的1.1.0a1版本带来了多项重要改进和修复,特别是在上下文变量传播和任务取消方面有了显著增强。
上下文变量传播的改进
在Python 3.10及更早版本中,pytest-asyncio现在能够正确传播ContextVars从异步fixture到其他fixture和测试用例。这一改进解决了长期存在的上下文变量在异步测试中丢失的问题,使得依赖上下文变量的代码能够更可靠地进行测试。
上下文变量(ContextVars)是Python 3.7引入的一种机制,用于在异步代码中维护"上下文"状态。在之前的版本中,当上下文变量从一个异步fixture传递到测试用例或其他fixture时,可能会出现丢失的情况。这个版本的改进确保了上下文状态在整个测试过程中保持一致,这对于测试依赖上下文管理的应用程序(如web框架)尤为重要。
任务取消机制的增强
1.1.0a1版本引入了loop_scope结束时自动取消任务的功能。这一改进解决了异步测试中潜在的任务泄漏问题,确保测试结束后所有创建的异步任务都会被正确清理。
在实际测试中,开发者可能会创建后台任务来模拟某些异步行为。如果这些任务没有被正确取消,可能会导致测试间相互干扰或资源泄漏。新版本的自动取消机制提高了测试的隔离性和可靠性,减少了因任务泄漏导致的难以诊断的问题。
事件循环关闭的警告机制
新版本增加了当测试关闭当前事件循环时的警告功能。这一改进帮助开发者及时发现可能影响后续测试的事件循环管理问题。
在异步测试中,不当的事件循环管理可能导致难以追踪的错误。例如,一个测试意外关闭了事件循环,而后续测试又尝试使用它,就会导致测试失败。新的警告机制让这类问题更容易被发现和修复。
重要问题修复
1.1.0a1版本修复了几个关键问题:
-
修复了在任务finally子句中调用需要事件循环的函数时出现的"missing loop"错误。这个问题影响了需要在清理阶段执行异步操作的测试场景。
-
解决了可能导致重复警告的问题,使测试输出更加清晰和有用。
兼容性说明
对于使用Python 3.10及更早版本的用户,新版本引入了对backports.asyncio.runner的运行时依赖。这个依赖提供了必要的兼容性支持,确保新功能在所有支持的Python版本上都能正常工作。
总结
pytest-asyncio 1.1.0a1版本通过增强上下文变量支持、改进任务生命周期管理和增加诊断功能,显著提升了异步测试的可靠性和开发者体验。这些改进使得测试异步代码更加健壮,减少了潜在的问题和调试时间。对于任何使用asyncio进行开发的Python项目,升级到这个版本将带来明显的测试质量提升。
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- 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
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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