Mockery项目中setConstantsMap方法的类型定义问题解析
2025-05-22 16:00:18作者:何举烈Damon
Mockery作为PHP领域广受欢迎的模拟测试框架,其类型系统的精确性直接关系到开发者的使用体验。近期发现的一个类型定义问题值得深入探讨,特别是对于需要在测试中使用复杂常量配置的开发者而言。
问题背景
在Mockery框架的Configuration类中,setConstantsMap方法用于设置类常量的映射关系。当前方法的类型注解将常量值限定为标量类型(scalar),即整型、浮点型、字符串和布尔值。然而在实际开发中,PHP类常量完全可以定义为数组类型,这就产生了类型系统与实际功能的不匹配。
技术细节分析
当前方法的类型定义如下:
/**
* Set a map of constants to be used in the mock generator
*
* @param array<class-string,array<string,scalar>> $map
*/
public function setConstantsMap(array $map)
{
$this->_constantsMap = $map;
}
这种定义限制了开发者只能使用标量值作为常量值,而无法使用如下的数组配置:
Mockery::getConfiguration()->setConstantsMap([
FooBar::class => ['FOO' => ['BAR' => 123]]
]);
影响范围
这个问题主要影响以下场景的开发者:
- 需要在测试中模拟包含数组常量的类
- 使用静态分析工具(如Psalm)进行代码检查的项目
- 遵循严格类型约束的开发团队
解决方案建议
解决方法相对直接,需要将类型定义扩展为支持数组值:
/**
* Set a map of constants to be used in the mock generator
*
* @param array<class-string,array<string,scalar|array>> $map
*/
public function setConstantsMap(array $map)
{
$this->_constantsMap = $map;
}
最佳实践
对于使用Mockery的开发者,在等待官方修复的同时,可以采取以下临时解决方案:
- 使用
@psalm-suppress注解暂时绕过类型检查 - 将数组常量转换为JSON字符串形式存储
- 考虑使用更灵活的类型定义工具
总结
这个类型定义问题反映了静态分析工具与实际语言特性之间的微妙关系。Mockery作为测试工具,其类型系统应当尽可能贴近PHP语言的实际能力。开发者在使用过程中应当注意这类边界情况,特别是在涉及复杂数据结构的测试场景中。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868