Express-Rate-Limit 在 Jest 测试中的异步连接问题解决方案
2025-06-26 16:26:23作者:秋阔奎Evelyn
问题背景
在使用 express-rate-limit 中间件进行 API 限流时,开发者常常会遇到 Jest 测试结束后异步操作未完全关闭的问题。特别是在结合 MongoDB 存储限流数据时,这个问题尤为常见。
问题现象
当使用 express-rate-limit 配合 MongoStore 进行 API 限流测试时,Jest 测试结束后会报出警告:"Jest did not exit one second after the test run has completed"。这表明测试中存在未正确关闭的异步操作。
根本原因分析
这个问题的主要根源在于 MongoStore 内部维护了一个到 MongoDB 的持久连接。在测试结束后,这个连接没有被显式关闭,导致 Jest 检测到未完成的异步操作。
解决方案
方案一:模拟限流中间件
在测试环境中,最简单的解决方案是直接模拟 rateLimit 中间件。这种方法避免了真实数据库连接的开销和复杂性,特别适合单元测试场景。
jest.mock('../path/to/rateLimitMiddleware', () =>
jest.fn((req, res, next) => next())
);
方案二:正确管理 MongoDB 连接
如果测试需要真实的限流功能,可以按照以下步骤正确处理 MongoDB 连接:
- 在测试前创建 MongoStore 实例并获取客户端引用
- 在测试完成后显式关闭连接
const MongoStore = require('rate-limit-mongo');
const { MongoClient } = require('mongodb');
describe('API tests', () => {
let mongoStore;
let mongoClient;
beforeAll(async () => {
mongoStore = new MongoStore({
uri: 'mongodb://localhost:27017/test',
collectionName: 'rate_limit_logs'
});
mongoClient = await mongoStore.getClient();
});
afterAll(async () => {
await mongoClient.close();
});
// 测试用例...
});
方案三:重用现有数据库连接
如果应用已经使用了 Mongoose 等 ORM 工具建立了 MongoDB 连接,可以修改 rate-limit-mongo 的配置,复用现有连接:
const mongoose = require('mongoose');
const MongoStore = require('rate-limit-mongo');
// 假设已经建立了mongoose连接
const mongoStore = new MongoStore({
client: mongoose.connection.getClient(),
collectionName: 'rate_limit_logs'
});
最佳实践建议
- 单元测试:建议使用模拟方案,避免真实数据库依赖
- 集成测试:如果需要测试真实限流逻辑,确保正确处理数据库连接生命周期
- 连接管理:考虑在应用层面统一管理所有数据库连接
- 测试配置:可以在测试配置中使用内存存储替代真实数据库存储
总结
express-rate-limit 与 MongoDB 结合使用时,在 Jest 测试中出现的异步操作未关闭问题,主要是由于数据库连接管理不当造成的。通过合理选择模拟策略或正确管理数据库连接生命周期,可以有效解决这个问题。根据测试需求选择合适的方案,既能保证测试质量,又能提高测试执行效率。
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-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
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
Ascend Extension for PyTorch
Python
173
193
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
263
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
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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