首页
/ Hypothesis项目内部核心表示迁移至类型化选择序列的技术演进

Hypothesis项目内部核心表示迁移至类型化选择序列的技术演进

2025-05-29 15:46:21作者:仰钰奇

背景与动机

在软件测试领域,Hypothesis作为一款基于属性的测试(PBT)框架,其核心工作原理是通过生成随机输入来验证程序属性。传统上,Hypothesis使用字节串(bytestring)作为其内部表示方式,将各种数据类型的生成和缩减都映射到字节序列的操作上。然而,这种设计存在一些固有缺陷:

  1. 冗余问题:同一个值可能对应多个不同的字节串表示,导致输入空间浪费
  2. 精度问题:通过字节操作难以实现直观的数据缩减策略
  3. 扩展性问题:难以支持基于SMT求解器等替代后端

字节串表示的局限性

在原有设计中,Hypothesis将所有策略(strategy)视为字节串的解析器,通过解释字节序列作为一系列随机选择来生成输入。这种设计虽然统一,但存在明显不足:

  • 整数0可能有多种字节表示形式,造成输入空间浪费
  • 浮点数的缩减需要复杂的字节操作,甚至需要"逆向工程"将看似浮点的字节解析为实际浮点数进行缩减
  • 难以支持CrossHair等基于符号执行的替代后端,因为字节层面过于底层

类型化选择序列设计

为了解决这些问题,Hypothesis团队设计了"类型化选择序列"(Typed Choice Sequence),将内部表示从字节提升到更高层次的五种基本类型:

class PrimitiveProvider(abc.ABC):
    @abc.abstractmethod
    def draw_boolean(self, p: float = 0.5) -> bool: ...
    
    @abc.abstractmethod 
    def draw_integer(self, min_value: int | None = None, ...) -> int: ...
    
    @abc.abstractmethod
    def draw_float(self, *, min_value: float = -math.inf, ...) -> float: ...
    
    @abc.abstractmethod
    def draw_string(self, intervals: IntervalSet, ...) -> str: ...
    
    @abc.abstractmethod
    def draw_bytes(self, min_size: int = 0, ...) -> bytes: ...

这种设计带来了多项优势:

  1. 减少冗余:DataTree可在更高层次操作,避免相同值的多种表示
  2. 提高精度:保留类型和形状信息,实现更直观的缩减策略
  3. 增强扩展性:为替代后端提供更合适的抽象层次

技术实现挑战与解决方案

迁移过程面临多项技术挑战,团队通过以下创新方案解决:

整数生成优化

原有设计中,大范围整数的生成采用加权分布,导致缩减时简单树可能对应更长缓冲区。解决方案是将加权逻辑移至IntegerStrategy,保持IR层draw_integer的纯粹性:

class IntegersStrategy(SearchStrategy):
    def do_draw(self, data):
        weights = None
        if bits > 24:  # 对大整数范围应用特殊权重
            weights = combine_distributions(weighted(), uniform())
        return data.draw_integer(min_value, max_value, weights)

浮点数排序问题

定义IR节点排序时,浮点数的处理尤为复杂。传统基于字节的字典序导致不直观的排序结果。团队采用了基于二进制分数表示的新方案:

将浮点数x表示为a + (b / 2^c)
按元组(c, b, a)的顺序缩减

这使得整数最简单,其次是1/2、1/4、1/8等倍数,更符合二进制浮点表示的特性。

性能权衡

迁移过程中需要同时维护两套表示系统,导致暂时性性能下降。但随着工作完成,性能不仅恢复原有水平,还因减少冗余而获得额外优势。

迁移成果与影响

经过一年半的努力,Hypothesis成功完成了这一重大架构变更,带来了显著改进:

  1. 更快的缩减速度:类型化操作比字节操作更高效
  2. 减少输入冗余:DataTree在更高层次操作避免重复
  3. 增强错误发现能力:更精确的生成策略发现更多边界情况
  4. 支持替代后端:为符号执行等高级技术提供基础

未来方向

虽然核心迁移已完成,团队仍在继续优化类型化选择序列:

  1. 完善浮点数处理逻辑
  2. 探索更高效的序列化方案
  3. 深化替代后端集成

这一架构演进为Hypothesis未来的发展奠定了坚实基础,使其能够更好地服务于日益复杂的软件测试需求。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.92 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
929
553
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8