Flaky tests (16b, 16c) despite controlled test env

Ouverte
  • Quelque chose ne va pas ?
#157 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Les mainteneurs répondent en général sous 1 jour

Personne n'a encore pris cette issue.

Évaluation

Difficulté
4/5
Temps estimé
1-2 jours
Accessibilité débutants
45/100
Type d'issue
Bug
Clarté
Plutôt claire
Activité
Active
Stack technique
python
Domaine
data-visualization, testing

Piste de recherche

Start by reading the test environment in cfplot-test-env.yml and the two integration tests, test_example_16b_basic_stream_plot and test_example_16c_enhanced_stream_plot. Compare their image outputs across Ubuntu and Manjaro to trace why some stream plot arrowheads differ. Done means both tests produce consistent image comparisons across the reported environments.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Description

testing

Towards #135 I set up a dedicated conda environment cfplot-test-env.yml (Python 3.14) to facilitate deterministic image comparison testing. This seems to produce consistent results at least according to the CI jobs across Mac and Ubuntu platforms and my local Manjaro OS for all test except, two of the integration tests, both concerning stream plots:

  • test_example_16b_basic_stream_plot
  • test_example_16c_enhanced_stream_plot

where the difference image shows just one set of arrow heads which appear on the Ubuntu case but not my local Manjaro. Mac case TBC since that CI job auto-cancels on failure of the Ubuntu one.

Image comparison diff

Comparison for the plot image which is produced locally on Manjaro and the one from the Ubuntu CI job. This is essentially the same image for each case, since the examples underlying them are very similar, so I will only embed one here. There are a few arrowheads appearing in one env that don't in the other, somehow.

16b (same by eyeball as for 16c)
Image
Langage dominant
Python
Étoiles
21
Forks
11
Merge moyen
2 j 2 h
PR mergées (30 j)
10

Préparer son environnement

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Autres issues de NCAS-CMS/cf-plot

Toutes les issues de NCAS-CMS/cf-plot

Issues similaires

Plus d'issues Python

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.