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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
568
3.84 K
🔥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
68
20
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
暂无简介
Dart
801
199
🎉 (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
1.37 K
781
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
24
0
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
349
202
Ascend Extension for PyTorch
Python
379
452
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1