Ember-QUnit 迁移指南:从旧版本到现代测试实践
概述
Ember-QUnit 是 Ember.js 生态系统中重要的测试工具,随着框架的发展,其 API 也经历了多次重大变革。本文将详细介绍从旧版本迁移到现代测试实践的关键步骤和注意事项,帮助开发者平滑过渡。
迁移到 v6.1.0 的 TypeScript 原生支持
类型系统变更的背景
在 v6.1.0 版本中,Ember-QUnit 引入了对 TypeScript 的原生支持,这带来了更严格的类型检查。之前的类型定义为了开发便利性,允许在测试上下文中访问所有可能的属性和方法,而不管实际测试设置中是否真的可用。
具体变更内容
新的类型系统会严格检查 this 上下文中的可用成员。例如,在渲染测试中访问 this.element 时,如果未正确声明测试上下文类型,将会产生类型错误。
解决方案
方案一:显式声明上下文类型
import type { RenderingTestContext } from '@ember/test-helpers';
test('greets', async function(this: RenderingTestContext, assert) {
await render(hbs`<Greeting />`);
assert.equal(this.element.textContent?.trim(), 'Hello!');
});
方案二:使用 qunit-dom 替代
更推荐的做法是使用 qunit-dom 这样的断言库,它提供了更友好的 API 且无需处理上下文类型问题:
test('greets', async function(assert) {
await render(hbs`<Greeting />`);
assert.dom().hasText('Hello!');
});
类型系统变更的意义
虽然这种更严格的类型检查可能会带来一些迁移成本,但它能有效防止开发者在编写测试时使用实际上不可用的 API,提高了代码的健壮性。
从 v4.x 迁移到 v5.0.0
重大变更概述
v5.0.0 版本包含了多项重大变更,主要涉及依赖管理、测试基础设施和 API 设计:
- 依赖关系调整
- DOM 测试基础设施变更
- 废弃旧版 API
- Node.js 版本支持调整
详细迁移步骤
1. 处理依赖关系变更
v5 将 qunit 和 @ember/test-helpers 从直接依赖改为 peer 依赖,需要手动安装:
npm install --save-dev qunit "@ember/test-helpers"
# 或
yarn add --dev qunit "@ember/test-helpers"
2. 配置 DOM 测试基础设施
在 tests/index.html 中添加必要的 DOM 结构:
<div id="qunit"></div>
<div id="qunit-fixture">
<div id="ember-testing-container">
<div id="ember-testing"></div>
</div>
</div>
3. QUnit DOM 配置
如果使用 QUnit DOM,需要在 test-helper.js 中初始化:
import * as QUnit from 'qunit';
import { setup } from 'qunit-dom';
setup(QUnit.assert);
4. 废弃 API 处理
- 将
ember-test-helpers导入改为@ember/test-helpers - 完全移除
moduleFor*系列 API
迁移旧版测试代码
单元测试迁移示例
旧版代码:
moduleFor('controller:sidebar', 'SidebarController');
test('exists', function(assert) {
let controller = this.subject();
assert.ok(controller);
});
新版代码:
module('SidebarController', function(hooks) {
setupTest(hooks);
test('exists', function(assert) {
let controller = this.owner.lookup('controller:sidebar');
assert.ok(controller);
});
});
组件测试迁移示例
旧版代码:
moduleForComponent('GravatarImageComponent', {
integration: true
});
test('it renders', function(assert) {
this.render(hbs`{{gravatar-image}}`);
assert.equal(this.$('img').length, 1);
});
新版代码:
module('GravatarImageComponent', function(hooks) {
setupRenderingTest(hooks);
test('renders', async function(assert) {
await render(hbs`{{gravatar-image}}`);
assert.ok(this.element.querySelector('img'));
});
});
验收测试迁移示例
旧版代码:
moduleForAcceptance('basic acceptance test');
test('can visit /', function() {
visit('/');
andThen(() => {
assert.equal(currentURL(), '/');
});
});
新版代码:
module('basic acceptance test', function(hooks) {
setupApplicationTest(hooks);
test('can visit /', async function(assert) {
await visit('/');
assert.equal(currentURL(), '/');
});
});
迁移注意事项
- 异步处理:新版 API 全面采用 async/await 模式,移除了
andThen辅助函数 - DOM 操作:不再依赖 jQuery,推荐使用原生 DOM API 或测试辅助方法
- 测试上下文:使用
setupTest、setupRenderingTest和setupApplicationTest明确区分不同类型的测试 - 全局变量:
Ember.testing现在只在测试运行时设置为 true
迁移工具推荐
虽然本文提供了手动迁移的指南,但对于大型项目,可以考虑使用以下自动化迁移工具:
- ember-qunit-codemod:自动转换测试模块结构
- ember-test-helpers-codemod:转换测试辅助方法调用
总结
Ember-QUnit 的现代化演进带来了更清晰、更类型安全的测试 API,虽然迁移过程可能需要一些投入,但最终会带来更健壮、更易维护的测试代码。建议开发者按照本文指南逐步迁移,充分利用新版本提供的优势。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00