Mockito项目中静态模拟Calendar.getInstance()的陷阱与解决方案
2025-05-15 15:36:27作者:劳婵绚Shirley
在Java单元测试中,Mockito是一个非常流行的模拟框架,它可以帮助开发者隔离被测代码与外部依赖。然而,在使用Mockito的静态方法模拟功能时,特别是针对Java中古老的Calendar类,开发者可能会遇到一些意想不到的问题。
问题现象
当开发者尝试使用Mockito的MockedStatic功能来模拟Calendar.getInstance()方法时,会发现一个奇怪的现象:虽然DAY_OF_MONTH和MINUTE等字段能够正确返回模拟值,但HOUR_OF_DAY字段却总是返回当前实际的小时数,而不是模拟设置的值。
问题根源
这个问题的根本原因在于Calendar类的内部实现机制。Calendar类采用了延迟计算的策略,它不会立即更新所有字段的值。当调用set方法修改某个字段时,Calendar并不会立即重新计算所有相关字段的值,而是等到真正需要这些值的时候(如调用getTime()或某些get方法)才会进行计算。
技术细节
Calendar类内部维护了两个关键状态:
- 字段值数组 - 存储了各个日历字段的设置值
- 时间值 - 表示日历的实际毫秒数
当调用set方法时,Calendar只是修改了字段值数组,而不会立即更新时间值。只有在需要时(如调用getTime()),Calendar才会根据字段值数组重新计算时间值,反之亦然。
解决方案
针对这个问题,有以下几种解决方案:
- 强制重新计算: 在模拟Calendar实例后,立即调用getTime()方法强制Calendar重新计算所有字段:
Calendar mockedToday = Calendar.getInstance();
// 设置各种字段值
mockedToday.getTime(); // 关键调用
- 完全模拟Calendar实例: 直接创建一个Mockito模拟对象,而不是真实的Calendar实例:
Calendar mockedToday = mock(Calendar.class);
when(mockedToday.get(Calendar.DAY_OF_MONTH)).thenReturn(9);
when(mockedToday.get(Calendar.HOUR_OF_DAY)).thenReturn(17);
- 使用现代日期时间API: 考虑将代码迁移到Java 8引入的java.time包中的新日期时间API,这些API设计更加合理,避免了Calendar类的各种陷阱。
最佳实践建议
- 尽量避免在测试代码中直接使用Calendar类,考虑使用依赖注入方式传递日期时间依赖
- 如果必须使用Calendar,考虑创建专门的日期时间提供者接口
- 在新项目中优先使用java.time API替代Calendar类
- 在测试中,明确区分是测试Calendar的行为还是测试使用Calendar的代码
总结
Mockito的静态方法模拟功能本身工作正常,问题出在Calendar类的特殊行为上。理解这个问题的关键在于认识到Calendar类的延迟计算机制。通过本文介绍的解决方案,开发者可以避免掉入这个陷阱,编写出更加可靠的单元测试。
记住,好的单元测试应该简单明了,如果需要复杂的模拟设置来测试某个功能,这可能是一个信号,表明被测代码本身需要重构以提高可测试性。
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
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
🔥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
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322