MockK框架中wasNot Called的正确使用方法
MockK是Kotlin生态中广受欢迎的模拟测试框架,近期在1.13.11版本中引入了一项重要变更,影响了wasNot Called断言的使用方式。本文将详细介绍这一变更的背景、影响以及正确的替代方案。
变更背景
在MockK 1.13.10及更早版本中,开发者可以使用wasNot Called来验证特定方法是否未被调用,语法如下:
verify { repo.countBy(any()) wasNot Called }
然而,这种用法在1.13.11版本中被明确禁止,框架会抛出"was not can only be called on a mocked object"异常。这一变更源于框架对API使用方式的规范化处理。
正确的验证方式
验证方法未被调用
现在,要验证某个方法未被调用,应该使用exactly = 0参数:
verify(exactly = 0) { repo.countBy(any()) }
这种语法更加明确地表达了验证意图,即确认方法在测试过程中完全没有被调用。
验证模拟对象未被使用
wasNot Called现在仅用于验证整个模拟对象是否未被使用:
verify { repo wasNot Called }
这条断言会检查模拟对象repo上的所有方法是否都未被调用,是一种更全面的验证方式。
实际应用示例
考虑一个服务类,它依赖一个仓库接口:
interface Repository {
fun countBy(ids: Set<Long>): Map<Long, Long>
}
class Service(private val repo: Repository) {
fun countBy(ids: Set<Long>) = if (ids.isEmpty()) {
emptyMap()
} else {
repo.countBy(ids)
}
}
在测试空集合场景时,正确的验证方式应该是:
@Test
fun `当传入空集合时不应调用仓库`() {
val repo = mockk<Repository>()
val service = Service(repo)
val result = service.countBy(emptySet())
assert(result.isEmpty())
verify(exactly = 0) { repo.countBy(any()) }
}
版本兼容性建议
如果你的项目升级到MockK 1.13.11或更高版本,需要检查所有使用wasNot Called的地方,特别是那些用于验证方法未被调用的断言,将它们更新为新的语法形式。
对于需要保持向后兼容性的项目,可以考虑暂时停留在1.13.10版本,但建议尽快迁移到新语法,因为新版本提供了更清晰的API语义和更好的错误提示。
总结
MockK 1.13.11版本的这一变更虽然带来了短暂的迁移成本,但从长远来看提高了API的一致性和可读性。作为开发者,理解并适应这些最佳实践将有助于编写更清晰、更可靠的测试代码。记住:验证方法未被调用使用verify(exactly = 0),验证整个对象未被使用才使用wasNot Called。
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