Apache Druid扩展开发:解决SQL聚合函数测试中的ComponentSupplier配置问题
2025-05-17 01:17:01作者:秋泉律Samson
背景介绍
在Apache Druid扩展开发过程中,为系统添加自定义SQL聚合函数是一个常见需求。开发者通常需要编写单元测试来验证这些自定义函数的正确性。然而,近期在Druid 32版本之后,原有的测试框架API发生了重大变化,导致许多基于旧版本编写的测试用例无法正常运行。
问题现象
开发者在实现自定义聚合函数测试时遇到了一个典型错误:"Cannot read field 'componentSupplier' because 'config' is null"。这个错误发生在尝试使用@ComponentSupplier注解配置测试环境时,表明测试框架未能正确初始化Guice依赖注入配置。
技术分析
组件供应机制
Apache Druid的测试框架使用Guice进行依赖注入管理。@ComponentSupplier注解原本用于指定测试类使用的组件供应器,但在框架升级后,其工作方式发生了变化。核心问题在于:
- 测试框架期望通过JUnit 5扩展机制自动初始化配置
- 当测试类使用JUnit 4的
@Test注解时,初始化流程会被跳过 - 导致
SqlTestFrameworkConfig无法正确建立组件供应器映射
框架演进
从Druid 32版本开始:
- 移除了原有的
configureGuice方法 - 改为基于注解的自动配置方式
- 强化了与JUnit 5的集成
解决方案
临时解决方案
通过手动初始化配置可以临时解决问题:
private static void initializeGuiceConfiguration() {
List<Annotation> annotations = List.of(TestClass.class.getAnnotations());
queryFrameworkRule.setConfig(new SqlTestFrameworkConfig(annotations));
}
这种方法虽然有效,但违背了框架设计的初衷,不是最佳实践。
推荐方案
正确的做法是:
- 确保使用JUnit 5的测试注解(
org.junit.jupiter.api.Test) - 完整实现组件供应器类
- 正确配置测试类注解
示例组件供应器实现:
public class CustomComponentSupplier extends SqlTestFramework.StandardComponentSupplier {
public CustomComponentSupplier(TempDirProducer tempDirProducer) {
super(tempDirProducer);
}
@Override
public DruidModule getCoreModule() {
return DruidModuleCollection.of(
super.getCoreModule(),
new CustomExtensionModule()
);
}
}
最佳实践
- 版本适配:针对Druid 32+版本,应使用新的测试框架API
- 注解规范:统一使用JUnit 5的测试注解
- 模块管理:在组件供应器中明确声明所有需要的模块
- 环境隔离:确保每个测试类有独立的配置环境
总结
Apache Druid测试框架的演进带来了更现代的编程模型,但也需要开发者适应新的API使用方式。理解Guice在测试环境中的工作机理,以及JUnit 5扩展点的加载时机,对于编写可靠的扩展测试至关重要。当遇到配置问题时,检查注解版本和初始化流程往往是解决问题的关键。
对于正在迁移旧测试代码的开发者,建议全面升级到JUnit 5,并参考最新的官方示例代码,这能避免许多潜在的兼容性问题,也能更好地利用框架提供的新特性。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
533
3.75 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
12
1
🔥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
67
20
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
342
406
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++
886
596
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
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178