ArchUnit中关于枚举类识别与访问修饰符问题的技术解析
2025-06-24 17:35:57作者:蔡怀权
问题背景
在使用ArchUnit进行架构约束检查时,开发人员发现了一个关于枚举类识别和访问修饰符判断的问题。具体表现为:在检查命令模式相关包中的类访问权限时,规则对枚举类的处理出现了异常情况。
问题现象
开发人员设计了一个架构规则,目的是确保在包含"Command"的包中,只有特定后缀("Result"、"Request"、"Command")的类可以是public的。但在实际执行中,规则对枚举类的处理出现了两个问题:
- 包内私有的枚举类被错误地识别为public
- 枚举类被错误地标记为数组类型(显示为"[]"后缀)
技术分析
经过深入分析,这个问题实际上与ArchUnit内部对数组类型的处理机制有关。在ArchUnit的设计中:
- 数组类型与其组件类型被视为属于同一个包
- 当导入过程中遇到数组类型时,这些类型会被归类到对应组件类型的包中
JavaPackage.getClasses()方法会返回该包中所有类型,包括数组类型
这种设计导致了开发人员在检查包内类时,会同时看到原始类型和对应的数组类型。例如,对于类GH1233,getClasses()会返回["GH1233", "GH1233[]"]。
解决方案
针对这个问题,技术专家提出了更优的规则写法:
classes()
.that(describe("reside in command package",
javaClass -> javaClass.getPackage().getClasses()
.stream().anyMatch(simpleNameContaining("Command"))))
.and().areTopLevelClasses()
.and(not(have(modifier(ABSTRACT))))
.and(not(have(simpleNameEndingWith("Result")
.or(simpleNameEndingWith("Request"))
.or(simpleNameEndingWith("Command")))))
.should().notBePublic();
这种写法通过:
- 明确指定只检查顶层类(
areTopLevelClasses()) - 使用更精确的条件组合
- 避免直接依赖
getClasses()返回的所有类型
有效地规避了数组类型带来的干扰问题。
最佳实践建议
在使用ArchUnit进行架构约束检查时,特别是涉及包内类访问权限检查时,建议:
- 明确指定要检查的类范围(如顶层类)
- 对类名匹配使用精确的条件
- 考虑使用
notBePublic()等否定条件,而非手动检查修饰符 - 注意ArchUnit对数组类型的特殊处理方式
这种写法不仅解决了当前问题,也使规则更加清晰和易于维护。对于复杂的架构约束,分步骤、明确地定义条件往往能获得更好的效果。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
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
457
439
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221