Swift-Testing 项目中异步测试的注意事项
2025-07-06 20:59:45作者:范垣楠Rhoda
在 Swift 测试开发中,使用 async/await 进行异步测试是一种常见的需求。最近在 swift-testing 项目中发现了一个关于异步测试宏使用的常见误区,值得开发者们注意。
问题背景
当开发者尝试使用 #expect(throws:) 宏来测试一个会抛出错误的异步方法时,可能会遇到编译器报错"async call in a function that does not support concurrency"。这种情况通常发生在测试函数本身没有标记为 async 的情况下。
正确用法
要正确测试异步抛出方法,测试函数本身必须标记为 async,并且在调用 #expect(throws:) 宏时需要使用 await 关键字。这是因为:
- 宏声明本身不能包含效果说明(effect specifiers),也就是说不能像函数那样直接声明
macro expect(...) async throws - 当宏的闭包体是
async时,调用站点也必须是异步的
正确的写法应该是:
@Test func throwErrorIfAccountBalanceIsLessThan1000() async {
let bankAccount = BankAccount(balance: 250, accountHolder: "John Doe", accountNumber: "987654", ssn: "345-23-3212")
let mockedCreditScoreService = CreditScoreServiceMock(creditScore: 700)
let loanService = LoanService(creditScoreService: mockedCreditScoreService)
await #expect(throws: LoanServiceError.self, performing: {
try await loanService.applyForLoan(bankAccount: bankAccount, amount: 5000)
})
}
技术原理
Swift 的宏系统目前有一些限制,特别是关于效果说明方面。由于宏不能直接声明为 async 或 throws,因此当宏内部使用异步或抛出操作时,这些效果必须由调用站点来处理。
在测试场景中,这意味着:
- 如果测试的代码是异步的,测试函数必须标记为
async - 如果测试的代码会抛出错误,测试函数应该能够处理这些错误
- 当使用
#expect(throws:)测试异步抛出方法时,需要同时使用await和try(如果需要)
最佳实践
- 始终检查测试函数是否具有正确的效果说明(
async/throws) - 当测试异步代码时,确保测试函数标记为
async - 使用
#expect(throws:)测试异步抛出方法时,记得添加await关键字 - 考虑为复杂的异步测试场景编写辅助函数,减少重复代码
总结
Swift 测试中的异步操作需要特别注意函数声明和调用方式。理解宏系统的限制和异步测试的正确写法,可以帮助开发者避免常见的编译错误,编写出更加健壮的测试代码。记住,当测试异步代码时,测试函数本身也必须是异步的,这是 Swift 并发模型的基本要求。
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
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 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
9
1
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
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++
689
326
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
493