NestJS测试中jest.fn嵌套属性缓存问题的分析与解决
2025-07-01 16:33:55作者:郜逊炳
问题背景
在NestJS项目中使用@golevelup/ts-jest进行单元测试时,开发者发现了一个关于模拟函数嵌套属性赋值的缓存问题。具体表现为:当开发者尝试修改模拟对象中嵌套函数的属性时,新设置的值无法覆盖原有的缓存值。
问题复现
考虑以下测试用例:
it('nested properties mocks should be able to set properties and override cache', () => {
const mock = createMock<any>();
const autoMockedFn = mock.nested.f;
expect(typeof autoMockedFn).toEqual('function');
const myFn = () => 5;
mock.nested.f = myFn;
expect(mock.nested.f === myFn).toBeTruthy(); // 这里会失败
});
在这个测试中,我们首先创建了一个模拟对象,然后访问其嵌套属性nested.f,这会自动创建一个模拟函数。接着我们尝试将一个自定义函数myFn赋值给这个嵌套属性,但最后断言失败,表明新值没有被正确设置。
技术分析
这个问题本质上源于Jest模拟函数的实现机制。当使用createMock创建模拟对象时,它会为对象的所有属性(包括嵌套属性)自动创建模拟函数。这些模拟函数会被缓存以提高性能。
问题出现在当我们尝试修改嵌套属性时:
- 第一次访问
mock.nested.f时,系统自动创建并缓存了一个模拟函数 - 当我们尝试用
mock.nested.f = myFn赋值时,由于缓存机制的存在,这个赋值操作没有真正生效 - 后续访问
mock.nested.f仍然返回之前缓存的模拟函数,而不是我们新设置的值
解决方案
@golevelup/ts-jest在0.5.4版本中修复了这个问题。修复的核心思路是:
- 确保属性赋值操作能够绕过缓存机制
- 当用户显式设置属性值时,优先使用用户设置的值而不是自动生成的模拟值
- 保持原有自动模拟功能的同时,增加对显式赋值的支持
最佳实践
在实际测试中,如果需要修改模拟对象的嵌套属性,建议:
- 对于简单的属性覆盖,可以直接使用赋值操作(如
mock.nested.f = myFn) - 对于需要保留模拟功能但修改部分行为的场景,可以使用
jest.spyOn或mockImplementation - 确保使用的
@golevelup/ts-jest版本至少为0.5.4
总结
这个问题的修复使得NestJS测试中的模拟对象行为更加符合开发者预期,特别是在需要动态修改嵌套属性场景下。理解这一机制有助于开发者编写更可靠、更灵活的单元测试,同时也提醒我们在使用测试工具时要关注其内部实现细节可能带来的边界情况。
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
660
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
492