NestJS测试中jest.fn嵌套属性缓存问题的分析与解决
2025-07-01 02:48:33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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
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
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (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
1.09 K
618
🔥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
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92