Storybook项目中Vitest测试首次运行失败的解决方案
2025-04-29 02:18:42作者:农烁颖Land
在Storybook项目中,当开发者使用Vitest进行组件测试时,可能会遇到一个特殊的问题:测试用例在首次运行时失败,但后续运行却能成功通过。这种现象尤其在使用Next.js的Image组件时更为明显。
问题现象
开发者在使用Storybook结合Vitest进行测试时,发现以下典型症状:
- 首次执行测试(如全新安装依赖后)必定失败
- 失败测试涉及包含Next.js Image组件的组件
- 后续测试运行却能正常通过
- 控制台会显示Vite正在优化新依赖项的提示信息
根本原因分析
这一问题源于Vite的依赖优化机制。当Vite检测到新依赖时,会自动进行优化处理,这一过程会导致:
- Vite在首次运行时识别到sb-original/default-loader和sb-original/image-context等新依赖
- 自动触发依赖优化过程
- 优化完成后Vite会重新加载应用
- 这种重新加载行为干扰了Vitest的正常测试流程
解决方案
针对这一问题,开发者可以通过配置Vite的optimizeDeps选项来预先包含这些关键依赖:
// vite.config.js
export default defineConfig({
optimizeDeps: {
include: ['sb-original/default-loader', 'sb-original/image-context']
}
})
这一配置的作用是:
- 预先告知Vite这些依赖需要被优化
- 避免测试运行时触发自动优化和重新加载
- 确保测试环境的稳定性
最佳实践建议
为了在Storybook项目中获得更稳定的测试体验,建议开发者:
- 对于使用Next.js特性的组件测试,预先识别可能需要的依赖
- 在项目初始化阶段就配置好optimizeDeps
- 定期检查测试日志中的依赖优化提示
- 考虑为常见Next.js组件创建测试配置模板
技术原理深入
Vite的依赖优化机制设计初衷是提升开发体验,但在测试场景中可能带来副作用:
- 依赖优化是Vite提升性能的重要手段
- 在开发模式下,Vite会动态分析并优化依赖
- 测试运行器需要更稳定的环境状态
- 手动指定关键依赖可以避免运行时优化带来的不确定性
通过理解这一机制,开发者可以更好地配置测试环境,确保测试结果的可靠性。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
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
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
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
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617