Mockery项目中可变参数(variadic)的Mock生成问题解析
2025-06-02 02:51:26作者:凤尚柏Louis
背景介绍
Mockery是一个流行的Go语言mock框架生成工具,它能够根据接口定义自动生成mock实现。在从Mockery v2升级到v3的过程中,一些开发者遇到了关于可变参数(variadic parameters)mock生成行为变化的问题。
问题现象
在Mockery v2中,对于包含可变参数的接口方法,如:
type DBExecutor interface {
ExecContext(ctx context.Context, query string, args ...interface{}) (bool, error)
}
生成的mock代码能够正确处理可变参数,开发者可以这样使用:
dbExecutor.EXPECT().ExecContext(
mock.Anything, mock.Anything,
"arg1", "arg2", "arg3"
).Return(true, nil)
但在升级到Mockery v3后,同样的代码会报错"Provided 4 arguments, mocked for 3 arguments",提示参数数量不匹配。
原因分析
这个行为变化源于Mockery v3中引入的一个配置选项unroll-variadic。在v2版本中,默认行为是"展开"可变参数(unroll),即每个可变参数都被视为独立的参数。而在v3中,默认行为发生了变化,可变参数被视为一个切片整体。
具体代码生成差异:
v2生成的mock代码:
func (_m *DBExecutor) ExecContext(ctx context.Context, query string, args ...interface{}) (sql.Result, error) {
var _ca []interface{}
_ca = append(_ca, ctx, query)
_ca = append(_ca, args...)
ret := _m.Called(_ca...)
// ...
}
v3生成的mock代码:
func (_mock *DBExecutor) ExecContext(ctx context.Context, query string, args ...interface{}) (sql.Result, error) {
var tmpRet mock.Arguments
if len(args) > 0 {
tmpRet = _mock.Called(ctx, query, args) // args作为整体传递
} else {
tmpRet = _mock.Called(ctx, query)
}
// ...
}
解决方案
要恢复v2的行为,可以在Mockery配置文件中设置:
template-data:
unroll-variadic: true
这个配置项控制是否将可变参数展开为独立参数。设置为true时,行为与v2一致;false时(默认),可变参数被视为切片整体。
最佳实践建议
- 明确配置:在配置文件中显式设置
unroll-variadic,避免依赖默认值 - 迁移注意:从v2升级到v3时,使用迁移工具自动处理配置变更
- 测试覆盖:升级后应全面测试mock相关代码,特别是涉及可变参数的部分
- 一致性:团队内部应统一配置,避免不同开发者环境行为不一致
总结
Mockery v3在可变参数处理上的行为变化是为了提供更灵活的mock生成选项。理解这个变化背后的设计意图,合理配置unroll-variadic参数,可以帮助开发者平滑过渡到新版本,同时保持测试代码的清晰性和一致性。
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
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
3.89 K
暂无简介
Dart
671
156
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
React Native鸿蒙化仓库
JavaScript
261
322
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++
661
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1