C3语言编译器在Windows平台下的测试运行器异常问题分析
2025-06-17 00:29:34作者:傅爽业Veleda
问题现象
在Windows平台上使用LLVM 18.1.8和最新版C3编译器时,开发者发现测试运行器存在一个奇怪的行为。当项目中包含多个测试用例时,只有第一个测试会被执行,后续测试会被跳过。更令人困惑的是,如果在测试运行结束后添加一个看似无关的打印语句,所有测试就能正常执行。
问题复现
开发者创建了一个简单的测试场景:
- 使用
c3c init foo初始化项目 - 添加一个加法函数和两个测试用例
fn int add(int a, int b)
{
return a + b;
}
fn void test_fn1() @test
{
assert(add(1, 1) == 2);
}
fn void test_fn2() @test
{
assert(add(1, 2) == 3);
}
执行c3c test时,只有第一个测试会被执行。而如果注释掉第二个测试,或者修改测试运行器代码添加一个空打印语句,所有测试就能正常执行。
技术分析
这个问题与Windows平台下setjmp和longjmp函数的实现特性有关。在C3语言的测试框架中,setjmp用于捕获测试失败时的异常状态,而longjmp用于跳转回测试运行器继续执行下一个测试。
Windows平台的setjmp实现与其他平台有以下关键差异:
- 环境保存不完整:Windows的
setjmp可能不会完整保存所有寄存器状态 - 栈帧处理差异:Windows对栈帧的处理方式可能导致控制流恢复时出现问题
- 信号处理影响:某些平台特定的信号处理可能干扰
longjmp后的执行
添加打印语句之所以能"修复"问题,是因为它改变了函数的栈布局和寄存器使用情况,无意中避免了某些未定义行为。
解决方案
C3编译器团队通过以下方式解决了这个问题:
- 修改了Windows平台特定的
setjmp/longjmp实现 - 确保测试运行器能正确处理环境恢复
- 优化了测试框架的异常处理流程
平台差异说明
这个问题在Linux平台上不会出现,主要是因为:
- Linux的
setjmp实现更符合POSIX标准 - 不同操作系统对异常处理的支持程度不同
- 编译器在不同平台上的代码生成策略有差异
最佳实践建议
对于跨平台开发的开发者,建议:
- 谨慎使用
setjmp/longjmp这类非局部跳转 - 在不同平台上充分测试异常处理逻辑
- 考虑使用更现代的异常处理机制替代传统方法
这个问题展示了跨平台开发中可能遇到的微妙差异,也体现了C3编译器团队对平台兼容性的重视。通过修复这类底层问题,C3语言在不同平台上的行为将更加一致可靠。
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-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
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
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
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
392
3.89 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
261
322
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++
661
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1