首页
/ 探索Graph协议的单元测试新境界:Matchstick框架

探索Graph协议的单元测试新境界:Matchstick框架

2024-05-30 20:31:44作者:史锋燃Gardner
matchstick
🔥 Unit testing framework for Subgraph development on The Graph protocol. ⚙️

Matchstick Banner

Matchstick是一个专为The Graph协议设计的单元测试框架,它提供了一个沙盒环境,让你能够验证和调试你的映射逻辑,确保在部署强大的子图时一切运行正常。

一、项目介绍

Matchstick的核心是其matchstick-as助手库,该库以AssemblyScript编写,并在你的单元测试中作为导入使用。这个框架旨在简化对子图处理程序的测试,确保在生产环境中无故障运行。

二、项目技术分析

Matchstick采用Rust语言构建,提供了对WebAssembly模块的封装,其中包含了映射和单元测试。它将宿主函数实现传递给模块,在测试(以及可能的映射)中使用。此外,它还作为一个代理,用于传递来自graph-node仓库的结构体,包括正常的导入和一些额外的或模拟的导入。

三、应用场景

无论你是区块链开发新手还是经验丰富的开发者,Matchstick都能帮助你在以下场景中提升工作效率:

  • 在部署子图前,确保所有数据源处理器逻辑的正确性。
  • 快速迭代和测试新的映射功能,无需每次更改后都部署完整的子图。
  • 通过自动化测试减少手动测试的工作量,提高代码质量。

四、项目特点

  • 易用性:Matchstick提供了一键式Docker容器方案,让你能快速开始测试,而不需要复杂的配置。
  • 灵活性:支持自定义测试和库文件夹的位置,以适应不同的项目结构。
  • 高效性:通过OS特定的二进制版本,可以直接在本地运行,减少了依赖项安装和编译的时间。
  • 全面性:涵盖了MacOS、Linux和WSL(Windows Subsystem for Linux)等多个操作系统平台的支持。

要开始使用Matchstick,只需安装必要的依赖,然后通过graph test命令启动测试。无论是简单的单个数据源测试,还是整个测试套件,Matchstick都能轻松应对。

现在就加入Matchstick的世界,体验更高效、更可靠的子图开发与测试流程吧!如果你有反馈或想要参与贡献,可以访问项目GitHub页面,查看待办事项列表,一起推动项目的进步。

matchstick
🔥 Unit testing framework for Subgraph development on The Graph protocol. ⚙️
热门项目推荐
相关项目推荐

项目优选

收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
672
0
openHiTLS
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
12
8
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
323
26
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
xzs
在线考试系统、考试系统、在线教育考试系统、在线教育、跨平台考试、考试、智能考试、试题、错误试题、考试题目、试题组卷等
HTML
3
1
langgpt
Ai 结构化提示词,人人都能写出高质量提示词,GitHub 开源社区全球趋势热榜前十项目,已被百度、智谱、字节、华为等国内主流大模型智能体平台使用,内容来自国内最具影响力的高质量提示词工程师学习交流社群——LangGPT。开源知识库:https://langgptai.feishu.cn/wiki/RXdbwRyASiShtDky381ciwFEnpe
Jupyter Notebook
16
2