Marten项目中的Daemon自动化测试体验优化
2025-06-26 09:34:10作者:董斯意
背景介绍
Marten是一个.NET平台上的PostgreSQL文档数据库和事件存储库。在最新版本中,开发团队对Daemon(守护进程)的自动化测试体验进行了重要改进,特别是针对投影(Projection)和订阅(Subscription)的管理功能。
核心改进内容
1. 投影协调器增强
在自动化测试场景中,经常需要停止和重新启动所有投影和订阅。为此,团队为IProjectionCoordinator接口新增了两个关键方法:
StartAllAsync()- 启动所有投影和订阅StopAllAsync()- 停止所有投影和订阅
这两个方法极大地简化了测试过程中对投影状态的管理,使得测试代码更加简洁明了。
2. 数据重置功能改进
ResetAllData()方法现在会自动处理投影的停止和重启操作。这意味着在测试中重置数据时,不再需要手动管理投影状态,减少了样板代码和维护成本。
3. 事件数据清理修复
修复了IDocumentCleaner.DeleteAllEventDataAsync()方法的一个严重问题 - 该方法之前未能正确删除事件进度(event progression)数据。这个修复确保了在清理事件数据时,相关进度信息也能被正确清除,保证了测试环境的干净状态。
此外,该方法现在还会自动:
- 停止Daemon进程
- 在清理完成后重新启动之前运行的进程
4. 宿主(IHost)扩展方法
为了方便使用,团队为IHost接口添加了几个实用的扩展方法:
StartAllProjectionsAndSubscriptionsAsync()- 启动所有投影和订阅StopAllProjectionsAndSubscriptionsAsync()- 停止所有投影和订阅StartDaemonsAndWaitForNonStaleData()- 启动Daemon并等待数据变为最新状态
这些方法封装了常见的测试模式,使得测试代码更加直观和易于维护。
技术价值
这些改进为Marten用户带来了显著的测试便利性:
- 简化测试代码:减少了管理投影状态的样板代码
- 提高测试可靠性:修复了事件数据清理的缺陷,确保测试环境一致性
- 增强可维护性:通过标准化的方法封装常见测试模式
- 提升开发体验:更直观的API设计降低了学习和使用成本
实际应用场景
假设你正在编写一个测试,需要验证投影的行为:
[Fact]
public async Task test_projection_behavior()
{
// 传统方式需要手动管理投影状态
// 新方式只需一行代码
await theHost.StartAllProjectionsAndSubscriptionsAsync();
// 执行测试操作...
// 重置测试数据时自动处理投影状态
await theStore.Advanced.ResetAllData();
}
这些改进特别适合:
- 集成测试
- 端到端测试
- 长时间运行的测试套件
- CI/CD流水线中的自动化测试
总结
Marten对Daemon自动化测试体验的改进,体现了项目对开发者体验的持续关注。通过提供更完善的API和修复关键问题,使得基于Marten的应用程序测试更加简单可靠。这些变化将帮助开发团队编写更健壮、更易维护的测试代码,从而提高整体软件质量。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
335
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
745
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
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134