pytest-asyncio 1.0.0 版本发布:异步测试框架的重大更新
pytest-asyncio 是一个流行的 Python 测试插件,它允许开发者使用 pytest 框架来编写和运行异步测试代码。这个插件为 asyncio 库提供了无缝集成,使得测试异步代码变得简单直观。随着 Python 异步编程的普及,pytest-asyncio 已成为测试异步应用的重要工具。
重大变更:移除废弃功能
在 1.0.0 版本中,开发团队移除了已被废弃的 event_loop fixture。这是一个重要的清理工作,标志着项目向更简洁、更一致的 API 设计迈进。开发者应该确保他们的测试代码不再依赖这个已被移除的 fixture,转而使用项目推荐的其他方式来管理事件循环。
Python 3.14 初步支持
新版本增加了对 Python 3.14 的初步支持,这体现了项目维护团队对 Python 新版本的前瞻性关注。虽然 Python 3.14 尚未正式发布,但 pytest-asyncio 已经为即将到来的版本做好了准备,确保用户能够平滑过渡到未来的 Python 版本。
性能优化:作用域事件循环改进
1.0.0 版本对作用域事件循环(如模块作用域循环)的处理方式进行了重要优化。现在,这些循环只会创建一次,而不是在每个作用域(如每个模块)都创建。这一改变显著减少了 fixture 的数量,特别是对于大型测试套件,可以明显加快收集时间。
标记行为改进
pytest.mark.asyncio 装饰器的 loop_scope 参数行为得到了改进。现在,它不再强制要求存在与指定作用域级别匹配的 pytest Collector。例如,一个标记为 pytest.mark.asyncio(loop_scope="class") 的测试函数不再需要被类包围。这一变化使标记行为与 pytest_asyncio.fixture 的 scope 参数行为更加一致,提供了更大的灵活性。
问题修复
1.0.0 版本修复了多个重要问题:
- 解决了在使用 pytest 的
--setup-plan选项时出现的错误,提高了工具的兼容性。 - 修复了在使用
--doctest-ignore-import-errorspytest 选项时未抑制导入错误的问题。 - 解决了与包作用域循环相关的"fixture not found"错误,提高了工具的稳定性。
对下游打包者的说明
为了确保更好的打包体验,1.0.0 版本移除了一个有顺序依赖性的测试。这一改变使得 pytest-asyncio 在各种打包环境中的行为更加可靠和一致。
总结
pytest-asyncio 1.0.0 是一个重要的里程碑版本,它不仅移除了废弃功能,还带来了性能优化、行为改进和多个问题修复。这些变化使得这个异步测试工具更加成熟、稳定和高效。对于正在使用或考虑使用 pytest-asyncio 的开发者来说,升级到 1.0.0 版本将带来更好的测试体验和更可靠的测试结果。
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 StartedRust084- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00