MockHttp框架中实现延迟响应的技巧
2025-07-09 02:14:45作者:江焘钦
在软件开发过程中,测试异步操作的状态管理是一个常见需求。MockHttp作为一个强大的HTTP模拟框架,具备灵活的响应配置方式,可以帮助开发者测试各种网络请求场景。
延迟响应实现原理
MockHttp框架本身并没有直接提供延迟响应的内置方法,但通过结合.NET的基础类库,我们可以巧妙地实现这一功能。核心思路是利用同步或异步的等待机制来控制响应返回的时机。
使用ManualResetEvent实现延迟
如示例所示,我们可以通过ManualResetEvent来阻塞请求处理线程,直到测试代码显式地释放信号:
var flag = new ManualResetEvent(false);
_mockHttpMessageHandler.When(HttpMethod.Get, "http://localhost/myApi").Respond(
() =>
{
flag.WaitOne(); // 阻塞在此处
var responseMessage = new HttpResponseMessage(HttpStatusCode.OK);
responseMessage.Content = new StringContent("[]");
return Task.FromResult(responseMessage);
});
在测试代码中,我们可以先验证"加载中"状态,然后释放信号继续处理:
Assert.That(sut.Loading, Is.True);
flag.Set(); // 释放信号
await loadTask;
Assert.That(sut.Loading, Is.False);
替代方案:TaskCompletionSource
除了ManualResetEvent,TaskCompletionSource也是一个不错的选择,它更适合异步场景:
var tcs = new TaskCompletionSource<HttpResponseMessage>();
_mockHttpMessageHandler.When(HttpMethod.Get, "http://localhost/myApi").Respond(
() => tcs.Task); // 直接返回未完成的Task
// 测试代码
var loadTask = sut.LoadAsync();
Assert.That(sut.Loading, Is.True);
// 稍后完成Task
tcs.SetResult(new HttpResponseMessage(HttpStatusCode.OK) {
Content = new StringContent("[]")
});
await loadTask;
Assert.That(sut.Loading, Is.False);
应用场景
这种技术特别适用于测试以下场景:
- UI加载状态管理
- 超时处理逻辑
- 并发请求控制
- 进度指示器行为验证
最佳实践建议
- 确保在测试完成后释放所有资源,避免测试间相互影响
- 考虑为延迟响应添加超时机制,防止测试无限期挂起
- 在异步测试中,优先使用TaskCompletionSource而非ManualResetEvent
- 可以将这种延迟响应逻辑封装为可重用的测试辅助方法
通过灵活运用MockHttp的响应委托和.NET的同步/异步原语,开发者可以构建出各种复杂的测试场景,全面验证应用程序的网络交互行为。
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
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147