CosmicPython项目中的事件处理器隔离测试技巧
2025-07-02 06:12:40作者:邵娇湘
在CosmicPython项目中,单元测试事件处理器时经常会遇到需要隔离测试的场景。本文将深入探讨如何正确处理事件收集与发布的隔离问题,帮助开发者编写更可靠的测试代码。
事件处理器测试的挑战
在测试事件处理器如BatchQuantityChanged时,我们通常希望验证处理器是否正确修改了领域模型状态,同时不希望实际发布任何事件。这要求我们在测试环境中对事件发布机制进行特殊处理。
传统解决方案的不足
最初可能会尝试通过重写publish_events方法来实现隔离,但这并不是最合适的解决方案。因为:
- 事件可能在多个地方被收集和发布
- 直接拦截发布方法可能无法完全阻止事件的传播
- 不符合领域驱动设计中聚合根负责事件收集的原则
正确的隔离测试方法
更合理的做法是在事件收集阶段进行拦截。CosmicPython项目提供了一个优雅的解决方案——创建FakeUnitOfWorkWithFakeMessageBus测试辅助类:
class FakeUnitOfWorkWithFakeMessageBus(FakeUnitOfWork):
def __init__(self):
super().__init__()
self.events_published = [] # type: List[events.Event]
def collect_new_events(self):
self.events_published += super().collect_new_events()
return []
这种实现方式有以下优点:
- 完全隔离:通过返回空列表确保没有事件会被实际发布
- 可观测性:仍然可以记录所有产生的事件用于断言
- 符合领域模型设计:保持了聚合根收集事件、工作单元发布事件的责任链
实际测试中的应用
在测试中,我们可以这样使用这个伪造的工作单元:
def test_batch_quantity_changed_handler():
uow = FakeUnitOfWorkWithFakeMessageBus()
# 设置测试初始状态
batch = Batch("batch-001", "SMALL-TABLE", 10)
uow.batches.add(batch)
# 执行事件处理
handle_batch_quantity_changed(events.BatchQuantityChanged("batch-001", 5), uow)
# 验证状态变更
assert batch.available_quantity == 5
# 验证事件记录
assert len(uow.events_published) == 1
总结
在CosmicPython风格的应用程序中,正确处理事件处理器隔离测试的关键在于理解事件的生命周期。通过在收集阶段而非发布阶段进行拦截,我们能够:
- 保持测试的纯粹性
- 不干扰领域模型的正常行为
- 同时获得足够的可观测性
这种方法不仅适用于BatchQuantityChanged处理器,也可以推广到其他事件处理器的测试场景中,是领域驱动设计项目中值得掌握的重要测试技巧。
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
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
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
541
3.77 K
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++
889
616
Ascend Extension for PyTorch
Python
353
420
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
339
186
🔥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
67
20
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
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
988
253
暂无简介
Dart
778
194
🎉 (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
1.35 K
759