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 StartedRust0231
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
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 Notebook0150
kornia🐍 空间人工智能的几何计算机视觉库Python02
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02
项目优选
收起
暂无描述
Dockerfile
782
5.11 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++
892
2.06 K
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
471
473
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++
710
1.43 K
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
763
972
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.27 K
681
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++
1.11 K
1.15 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
272
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
2.18 K
231