GoogleTest中返回shared_ptr常量引用时的陷阱分析
2025-05-04 00:53:19作者:余洋婵Anita
问题背景
在使用GoogleTest框架进行单元测试时,开发人员经常会遇到需要模拟接口返回智能指针的情况。特别是当接口设计为返回std::shared_ptr的常量引用时,如果不注意正确的使用方法,很容易导致程序崩溃。
典型场景
考虑以下常见的设计模式:
class IDatabase {
public:
virtual std::shared_ptr<IConnection> const& connection() const = 0;
};
class DatabaseMock : public IDatabase {
public:
MOCK_CONST_METHOD0(connection, std::shared_ptr<IConnection> const&());
};
在测试代码中,开发人员可能会这样编写测试用例:
EXPECT_CALL(*mockDatabase, connection())
.WillRepeatedly(ReturnRef(mockConnection));
问题根源
这种写法会导致程序崩溃的根本原因在于:
ReturnRef操作实际上创建了一个临时的std::shared_ptr<IConnection>对象- 这个临时对象的生命周期仅限于当前表达式
- 当测试代码后续访问这个引用时,临时对象已经被销毁
- 导致访问悬垂引用(dangling reference),引发段错误
解决方案
正确的做法应该是:
- 首先将派生类的智能指针转换为基类智能指针
- 确保这个转换后的智能指针有足够的生命周期
- 然后返回这个长期存在的智能指针的引用
示例代码:
std::shared_ptr<StrictMock<DatabaseMock>> mockDatabase =
std::make_shared<StrictMock<DatabaseMock>>();
std::shared_ptr<StrictMock<ConnectionMock>> mockConnection =
std::make_shared<StrictMock<ConnectionMock>>();
auto iconn = std::static_pointer_cast<IConnection>(mockConnection);
EXPECT_CALL(*mockDatabase, connection())
.WillRepeatedly(ReturnRef(iconn));
编译器警告
现代编译器通常能够检测到这类问题。例如:
- Clang会给出"returning reference to local temporary object"警告
- MSVC也会有类似的警告提示
- GCC在某些警告级别下也会发出警告
建议在开发时开启所有警告(-Wall -Wextra)并将警告视为错误(-Werror),这样可以尽早发现这类问题。
最佳实践
- 尽量避免在接口中返回智能指针的引用,除非有充分的理由
- 如果必须返回引用,确保被引用对象的生命周期足够长
- 在测试代码中,显式管理所有模拟对象和返回值的生命周期
- 合理使用
std::static_pointer_cast进行类型转换 - 充分利用编译器的警告功能
总结
在GoogleTest框架中使用智能指针的引用返回时,需要特别注意对象的生命周期管理。通过正确的类型转换和生命周期控制,可以避免悬垂引用导致的程序崩溃问题。理解C++中引用和智能指针的语义,是编写健壮测试代码的关键。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660