Mockery项目中可变参数(variadic)的Mock生成问题解析
2025-06-02 07:56:29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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
615
139
Ascend Extension for PyTorch
Python
165
184
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
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
371
3.16 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
257
91
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
475
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
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++
646
255