Async-GraphQL中如何高效测试订阅功能
2025-06-24 12:48:15作者:殷蕙予
在Async-GraphQL项目中,测试订阅(Subscription)功能与测试普通查询(Query)有所不同。许多开发者在使用Schema实例进行测试时,会遇到"Subscriptions are not supported on this transport"的错误提示。本文将深入探讨如何在不启动完整服务器的情况下,对订阅功能进行有效测试。
核心问题分析
当开发者尝试使用Schema实例直接测试订阅时,常见的错误是因为使用了错误的执行方法。与常规查询使用execute()方法不同,订阅功能需要特殊处理:
- 订阅功能基于数据流(Stream)机制
- 需要专门的流式执行方法
- 测试时需要模拟数据流的行为
解决方案:execute_stream方法
Async-GraphQL提供了execute_stream()方法来专门处理订阅功能的测试。这个方法会返回一个数据流,开发者可以像处理普通Rust流一样对其进行操作:
let schema = Schema::new(Query, Mutation, Subscription);
let request = Request::new("subscription { ... }");
let stream = schema.execute_stream(request);
结合Mockall的测试实践
在实际测试中,我们经常需要结合Mockall来模拟依赖项。以下是几个关键实践要点:
- 有限数据流设计:确保模拟的订阅流是有限的,便于测试验证
- 顺序控制:使用
in_sequence来确保模拟行为的顺序性 - 结果收集:将流收集到Vec中便于断言
#[async_std::test]
async fn test_subscription() {
let mut mock = MockBackend::new();
mock.expect_get_stream()
.returning(|| stream::iter(vec![Value1, Value2]));
let schema = Schema::build(Query, Mutation, Subscription)
.data(mock)
.finish();
let res = schema.execute_stream("subscription { updates }")
.collect::<Vec<_>>()
.await;
assert_eq!(res.len(), 2);
}
高级测试技巧
- 错误场景测试:模拟流中的错误情况,验证错误处理逻辑
- 多订阅测试:测试多个订阅同时存在时的行为
- 取消订阅测试:验证中途取消订阅时的资源清理
性能优化建议
- 避免在测试中使用真实网络传输
- 使用轻量级执行器而非完整服务器
- 考虑使用tokio::test而非async_std,根据项目实际情况选择
通过以上方法,开发者可以在不启动完整HTTP服务器的情况下,对Async-GraphQL的订阅功能进行全面测试,既保证了测试覆盖率,又提高了测试执行效率。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
618
795
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
433
395
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++
1.01 K
1.01 K
Claude 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 Started
Rust
1.18 K
152
deepin linux kernel
C
29
16
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
145
237
暂无简介
Dart
983
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989