在Amp项目中实现异步测试的上下文跟踪
2025-06-14 08:26:28作者:卓炯娓
背景介绍
在现代PHP开发中,异步编程变得越来越重要。Amp作为一个流行的PHP异步编程框架,提供了强大的协程和Future支持。在编写异步集成测试时,我们经常需要处理多个并发测试用例的执行,同时还需要跟踪每个测试的状态和断言数量。
问题场景
假设我们有以下测试用例:
class MyTest {
public function test1() {
$result = $this->request('/delay/3'); // 使用Amp HTTP客户端
$this->assertTrue($result['foo']);
}
public function test2() {
$result = $this->request('/delay/1'); // 使用Amp HTTP客户端
$this->assertTrue($result['foo']);
}
}
传统同步执行方式需要4秒(3+1),而利用Amp的异步特性,我们可以让这两个测试并发执行,总时间只需3秒。然而,在并发执行时,如何正确跟踪每个测试的断言数量成为一个挑战。
解决方案探索
初始实现
最初的实现使用了一个测试池(Pool)来管理并发测试:
while (!$pool->isEmpty()) {
$test = $pool->getTestToRun();
$futures[$test->getIdentifier()] = async(function () use ($test, &$futures) {
$this->run($test);
unset($futures[$test->getIdentifier()]);
});
}
上下文跟踪问题
当测试中遇到I/O操作时,Amp会暂停当前协程并切换到其他协程。这导致在跟踪断言数量时,上下文可能会混淆。例如,test1暂停后执行test2时,test2的断言可能会被错误地计入test1。
FiberLocal解决方案
Amp基于协程(Fiber)实现异步操作。我们可以利用FiberLocal来为每个协程维护独立的上下文数据。FiberLocal类似于线程本地存储,但针对协程进行了优化。
实现方式如下:
$fiberLocal = new FiberLocal(function() {
return ['assertionCount' => 0];
});
// 在测试中
$fiberLocal->get()['assertionCount']++;
这种方法确保了每个测试协程都有自己的断言计数器,不会互相干扰。
高级考量
嵌套协程处理
如果测试中创建了嵌套协程,FiberLocal的默认行为可能无法满足需求,因为子协程不会自动继承父协程的上下文。这时可以手动传递上下文:
$parentContext = $fiberLocal->get();
async(function() use ($fiberLocal, $parentContext) {
$fiberLocal->set($parentContext);
// 子协程逻辑
});
性能影响
虽然FiberLocal提供了便利,但频繁的上下文切换和存储访问可能带来性能开销。在性能敏感的场景中,应该尽量减少上下文数据的体积和访问频率。
最佳实践
- 为每个测试协程创建独立的上下文存储
- 在断言方法中自动更新上下文计数器
- 处理嵌套协程时显式传递上下文
- 在测试结束时收集和验证上下文数据
总结
通过利用Amp的FiberLocal特性,我们可以有效地解决异步测试中的上下文跟踪问题。这种方法不仅适用于断言计数,还可以扩展到其他需要在协程间隔离的状态管理场景。理解并合理应用这些模式,可以显著提升异步测试的可靠性和可维护性。
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
572
3.85 K
Ascend Extension for PyTorch
Python
388
459
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++
894
682
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
354
213
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
807
198
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
68
20
🎉 (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
1.38 K
781