Pants构建系统中Shell测试命令输出捕获功能的设计与实现
2025-06-24 18:03:27作者:邵娇湘
在Pants构建系统的开发过程中,团队正在为experimental_test_shell_command功能设计输出捕获机制。这一功能将允许用户在运行Shell测试时捕获测试报告、覆盖率数据等关键输出结果。
功能背景
当前experimental_test_shell_command虽然能够执行测试,但缺乏对测试输出的捕获能力。这使得用户无法获取测试过程中生成的覆盖率报告、测试结果等重要数据。考虑到Shell后端规则实际上已经支持输出捕获,实现这一功能具有可行性。
技术设计方案
输出分类策略
系统计划将捕获的输出分为三类:
- 覆盖率数据:测试过程中生成的代码覆盖率报告
- 测试报告:主要指JUnit风格的XML格式测试结果
- 额外输出:其他需要保留的测试相关文件
这种分类方式与Pants现有的test目标内部数据结构保持一致,便于系统集成。
实现考量
最初提出的方案是直接暴露Shell命令相关的输出捕获字段,但这种做法存在明显缺陷:
- 无法与现有
test目标良好集成 - 缺乏对输出结果的分类处理能力
更优的方案是引入分类特定的字段:
test_report_outputs:测试报告输出coverage_outputs:覆盖率数据输出extra_outputs:其他额外输出
这种设计需要仔细考虑如何处理output_files和output_directories的区别。
技术实现细节
输出处理机制
系统内部使用Snapshot来表示多个文件,这使得处理像Cypress测试中生成的多个失败测试截图这样的用例变得简单直接。所有捕获的输出最终都会放置在dist/目录下,遵循Pants的构建输出惯例。
与现有系统的集成
考虑到不同语言后端对测试报告和覆盖率数据的特殊处理,初步实现可能只支持"额外输出"类别。这样设计的好处是:
- 简化实现复杂度
- 保持系统灵活性
- 确保所有捕获的输出都能被
test目标正确处理并输出到dist/目录
实际应用场景
这一功能的典型应用场景包括:
- 捕获Shell测试脚本生成的覆盖率数据
- 保存测试过程中产生的日志和报告
- 保留测试失败时生成的调试信息(如截图)
通过这一功能,Pants构建系统将能够为Shell脚本测试提供与其他语言测试同等的输出捕获能力,进一步完善其多语言构建支持能力。
未来展望
随着功能的成熟,可能会考虑:
- 增加对特定格式测试报告的自动识别
- 提供更细粒度的输出分类控制
- 优化输出文件的组织和命名规则
这一功能的实现将显著提升Pants在Shell脚本测试领域的实用性,为开发者提供更完整的测试工具链支持。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0432
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0746
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0304
DeepAuditDeepAudit:人人拥有的 AI 黑客战队,让漏洞挖掘触手可及。国内首个开源的代码漏洞挖掘多智能体系统。小白一键部署运行,自主协作审计 + 自动化沙箱 PoC 验证。支持 Ollama 私有部署 ,一键生成报告。支持中转站。让安全不再昂贵,让审计不再复杂。Python05
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
821
5.44 K
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
492
510
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
957
2.25 K
Ascend Extension for PyTorch
Python
793
1.12 K
deepin linux kernel
C
32
16
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
771
1.55 K
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++
1.2 K
1.23 K
CANN 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 Notebook
625
245
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.82 K
746
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
423
304