NestJS测试中jest.fn嵌套属性缓存问题的分析与解决
2025-07-01 10:38:43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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220