Quick/Nimble 在 Xcode 16 中的异步测试崩溃问题分析与解决方案
问题背景
在 Xcode 16 发布后,许多开发者在使用 Quick/Nimble 进行单元测试时遇到了一个棘手的崩溃问题。这个问题表现为测试过程中突然抛出 NSInternalInconsistencyException 异常,错误信息为"Can not set up _UISceneHostingView with a nil scene"。
问题现象
当开发者在 Xcode 16 环境下运行完整的测试模块时,测试进程会在某些情况下意外终止。崩溃日志显示问题发生在 _UISceneHostingView 的初始化过程中,提示无法为 nil 的场景设置视图。值得注意的是:
- 该问题仅在 iOS 18 模拟器上出现,iOS 17 模拟器上不会崩溃
- 单独运行测试用例时不会出现问题,只有在运行完整测试模块时才会触发
- 崩溃通常发生在使用了异步测试功能的测试用例中
根本原因分析
经过深入调查,发现这个问题与 UIKit 在 Xcode 16/iOS 18 中的行为变更有关。具体来说:
-
UIKit 强化了场景检查:iOS 18 对
_UISceneHostingView的初始化增加了严格的场景检查,如果视图控制器没有正确关联到窗口场景,就会抛出异常。 -
测试环境特殊性:在单元测试环境中,UI 组件通常没有完整的窗口层级结构。当某些视图控制器(特别是
UIActivityViewController)被创建但没有正确附加到窗口时,会导致后续的异步测试操作触发崩溃。 -
Nimble 的异步机制:Nimble 的异步测试功能会在后台轮询条件,这种轮询操作可能意外触发 UIKit 的内部检查。
解决方案
针对这个问题,开发者可以采取以下几种解决方案:
1. 隔离问题测试用例
检查测试套件中是否包含创建 UIActivityViewController 的测试用例。这些测试往往是问题的源头,可以考虑:
- 暂时禁用这些测试
- 将这些测试移到单独的测试目标中
- 确保这些测试完成后彻底清理资源
2. 完善测试环境设置
对于需要测试 UI 组件的场景,应该确保测试环境有完整的窗口层级:
beforeEach {
window = UIWindow()
window.rootViewController = UIHostingController(rootView: TestView())
window.makeKeyAndVisible()
}
3. 使用 iOS 17 模拟器进行测试
如果项目允许,可以暂时使用 iOS 17 模拟器运行测试,避免触发这个特定于 iOS 18 的问题。
4. 等待官方修复
考虑到这是 Xcode 16/iOS 18 引入的新问题,可以关注 Apple 的更新,等待官方修复这个 UIKit 的行为变更。
最佳实践建议
-
测试隔离:确保每个测试用例都是独立的,不会影响后续测试的执行环境。
-
资源清理:在测试完成后,特别是涉及 UI 组件的测试,应该正确清理创建的资源。
-
版本适配:在升级开发环境时,预留时间进行测试适配,特别是主要版本更新。
-
异步测试注意事项:在使用 Nimble 的异步测试功能时,避免在测试过程中创建可能影响全局状态的 UI 组件。
总结
Xcode 16 和 iOS 18 引入的这项变更反映了 Apple 对 UIKit 内部一致性的强化要求。虽然这给现有测试带来了挑战,但也促使我们编写更加规范和健壮的测试代码。通过理解问题的本质并采取适当的应对措施,开发者可以顺利过渡到新的开发环境,同时提高测试代码的质量。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0187
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08