NgRx SignalStore 方法调用测试问题解析
2025-05-28 16:47:38作者:邬祺芯Juliet
问题背景
在使用 NgRx SignalStore 进行单元测试时,开发人员发现了一个有趣的现象:当尝试在一个 Store 特性方法中调用另一个 Store 特性方法时,无法通过测试工具(如 Jest 或 Jasmine)正确地对被调用的方法进行监视(spy)。这个现象引起了社区成员的广泛讨论。
问题重现
让我们通过一个简单的例子来说明这个问题:
// 创建两个 Store 特性
const feature1 = withMethods(() => ({
method1() { /* 实现 */ }
}));
const feature2 = withMethods((store) => ({
method2() {
store.method1(); // 调用另一个特性的方法
}
}));
// 测试代码
it('测试方法调用', () => {
const store = new MyStore();
const spy = jest.spyOn(store, 'method1');
store.method2();
expect(spy).toHaveBeenCalled(); // 测试失败
});
技术原理分析
这个问题的根本原因在于 SignalStore 的内部实现机制。当创建 Store 实例时,每个特性方法实际上是被绑定到不同的对象引用上:
- 特性方法绑定:每个 Store 特性在创建时都会接收当前 Store 的快照(snapshot),这个快照包含了其他特性的方法引用
- 方法引用分离:最终公开的 Store 实例上的方法与特性内部使用的方法实际上是不同的引用
- 测试监视局限:当我们对 Store 实例上的方法进行监视时,实际上只监视了公开实例上的方法引用,而特性内部使用的是原始的方法引用
解决方案建议
1. 避免内部方法监视
核心团队成员建议,从单元测试的最佳实践角度考虑,不应该对 Store 内部的方法调用进行监视,原因包括:
- 测试实现细节:监视内部方法意味着测试关注的是实现细节而非行为
- 维护成本高:任何内部重构都需要同步更新测试
- 单元边界模糊:Store 及其方法应该被视为一个整体单元
2. 测试实际行为
更合理的测试方式是:
- 验证状态变化:测试方法调用后 Store 状态的预期变化
- 监视外部依赖:对 Store 调用的外部服务进行监视
- 关注输入输出:测试方法的输入参数和输出结果
// 更好的测试方式示例
it('应该验证方法的行为而非实现', () => {
const store = new MyStore();
store.method2();
// 验证预期的状态变化或副作用
expect(store.someSignal()).toEqual(expectedValue);
});
3. 重构建议
如果发现需要频繁监视 Store 内部方法,可能表明:
- Store 职责过重:考虑将 Store 拆分为更小、更专注的多个 Store
- 逻辑分层不当:部分业务逻辑可能更适合放在服务层
- 特性设计问题:需要重新评估 Store 特性的划分方式
技术深度解析
SignalStore 的这种行为设计有其合理性:
- 特性隔离:每个特性保持独立的方法引用,确保特性间的松耦合
- 组合安全:避免特性间的意外相互影响
- 性能优化:减少不必要的代理和包装层
总结
虽然从表面上看这是一个测试工具的使用问题,但实际上它揭示了 NgRx SignalStore 的重要设计理念。作为开发者,我们应该:
- 遵循"测试行为而非实现"的原则
- 理解 Store 作为整体单元的概念
- 合理设计 Store 结构和特性划分
- 在必要时考虑重构而非强行测试内部实现
通过这种方式,我们不仅能解决当前的测试问题,还能构建出更健壮、更易维护的应用程序架构。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.86 K
Ascend Extension for PyTorch
Python
391
467
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
356
216
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++
897
691
昇腾LLM分布式训练框架
Python
122
147
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
122
156
🎉 (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
1.38 K
783
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
599
167
React Native鸿蒙化仓库
JavaScript
311
361