Erlang/OTP中应用环境变量设置的陷阱与解决方案
2025-05-20 04:19:11作者:邓越浪Henry
背景介绍
在Erlang/OTP开发过程中,应用环境变量的配置是一个常见操作。开发者通常使用application:set_env/3函数来动态设置应用的环境变量,这在测试场景中尤其有用。然而,当与CT测试框架结合使用时,特别是在配置了sys_config文件的情况下,会出现一个不太直观的行为陷阱。
问题现象
当我们在CT测试套件的init_per_suite回调中使用application:set_env/3设置环境变量后,表面上函数返回ok表示操作成功,变量也确实被设置。然而,一旦后续调用application:ensure_all_started/1启动应用,之前设置的环境变量会被sys_config文件中的配置覆盖,导致测试失败。
问题重现
- 创建一个简单的Erlang库项目
- 在
rebar.config中配置CT测试使用sys_config文件 - 在测试套件中先设置环境变量,再启动应用
- 测试断言会失败,因为环境变量被重置
根本原因
这个问题的核心在于Erlang应用启动时的环境变量加载机制。当应用启动时,它会按照以下顺序加载环境变量:
- 首先加载
sys_config文件中定义的配置 - 然后加载代码中通过
application:set_env设置的变量 - 但如果没有指定
persistent选项,这些设置不会被保留到应用启动阶段
解决方案
正确的做法是使用application:set_env/4并设置persistent选项为true:
ok = application:set_env(ct_err, env_var, x, [{persistent, true}]),
这样设置的环境变量会在应用启动过程中保持,不会被sys_config文件中的配置覆盖。
深入理解
Erlang应用环境变量的持久性有三个级别:
- 临时设置:默认的
application:set_env/3调用,只在当前运行时有效 - 持久设置:使用
persistent选项,会跨应用重启保持 - 配置文件设置:通过
sys_config或.app文件定义,具有最高优先级
最佳实践
- 在测试中需要覆盖配置时,总是使用
persistent选项 - 考虑在测试清理阶段恢复原始配置
- 对于关键配置,可以在测试中验证环境变量是否按预期设置
- 理解不同配置源的优先级顺序
总结
这个案例展示了Erlang/OTP中应用环境配置的一个微妙之处。理解环境变量的生命周期和持久性机制对于编写可靠的测试代码至关重要。通过正确使用persistent选项,开发者可以确保测试中的配置覆盖按预期工作,避免因配置问题导致的测试失败。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
214
234
暂无简介
Dart
661
152
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
9
1
React Native鸿蒙化仓库
JavaScript
251
320
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++
659
296
🎉 (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
1.18 K
646
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
217
🔥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
62
20
仓颉编程语言开发者文档。
59
818