CKAN项目中pytest插件的优化与改进
2025-06-12 07:15:43作者:余洋婵Anita
背景介绍
在CKAN项目开发过程中,测试是保证代码质量的重要环节。随着项目的发展,测试框架从最初的nose逐渐迁移到pytest,这一转变带来了更强大的测试功能和更灵活的测试配置。然而,在CKAN核心代码和扩展插件之间的测试环境配置上,仍然存在一些需要优化的地方。
问题分析
在CKAN项目中,当开发者在核心代码目录下运行测试时,可以直接使用--ckan-ini等CKAN特有的pytest参数。但当在扩展插件目录中运行测试时,这些参数却无法识别,导致测试失败。
究其原因,CKAN核心代码通过conftest.py文件注册了pytest插件,但这种注册方式只对当前目录及其子目录有效。当在扩展插件目录中运行测试时,这些插件不会被自动加载,导致CKAN特有的测试功能不可用。
现有解决方案的局限性
目前,开发者需要安装额外的pytest-ckan包来解决这个问题。但这个解决方案存在几个明显问题:
- 该包仍然依赖已废弃的Pylons框架,与现代CKAN架构不兼容
- 增加了不必要的依赖关系
- 需要开发者手动安装,增加了配置复杂度
改进方案
更合理的解决方案是将CKAN的pytest插件通过Python的entrypoints机制注册。这种方式的优势在于:
- 插件会自动对所有pytest运行生效,无论测试代码位于哪个目录
- 无需额外安装依赖包
- 与Python生态系统的最佳实践保持一致
具体实现需要在CKAN的setup.cfg(或未来的pyproject.toml)中添加如下配置:
[options.entry_points]
pytest11 =
ckan = ckan.tests.pytest_ckan.plugin
技术实现细节
改进后的实现将:
- 移除对
pytest-ckan外部包的依赖 - 通过entrypoints机制自动注册所有CKAN测试插件
- 保持向后兼容性,不影响现有测试代码
- 简化扩展插件的测试配置
对开发者的影响
这一改进将显著简化CKAN扩展插件的测试配置:
- 开发者不再需要手动安装
pytest-ckan - 无需在每个扩展插件中复制
conftest.py文件 - 测试命令在所有目录下保持一致
- 减少了潜在的依赖冲突问题
未来展望
随着CKAN项目的发展,测试基础设施的持续改进将包括:
- 迁移到
pyproject.toml的现代项目配置方式 - 进一步简化测试配置
- 提供更丰富的测试工具和断言方法
- 优化测试性能
这一改进是CKAN测试基础设施现代化的重要一步,将为开发者提供更流畅、更一致的测试体验。
登录后查看全文
热门项目推荐
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
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781