Testcontainers-go 项目中使用 Docker Compose 连接 MySQL 的实践指南
在使用 Testcontainers-go 进行集成测试时,很多开发者会遇到如何正确连接 Docker Compose 中 MySQL 服务的问题。本文将详细介绍解决方案和最佳实践。
问题现象
开发者在使用 Testcontainers-go 的 Docker Compose 模块时,虽然成功启动了 MySQL 容器,但在尝试通过 GORM 连接时遇到了"driver: bad connection"错误。容器日志显示 MySQL 服务已健康,但连接仍然失败。
核心问题分析
经过排查,发现问题的根源在于连接字符串的构造方式不正确。开发者只获取了容器的映射端口,但没有正确获取容器的主机地址。在 Docker 环境中,特别是使用 Testcontainers 时,不能简单地假设服务运行在 localhost 上。
解决方案
正确的做法是同时获取容器的主机地址和映射端口:
// 获取MySQL容器的映射端口
mysqlPort, err := mysqlContainer.MappedPort(ctx, "3306")
require.NoError(t, err)
// 获取MySQL容器的主机地址
mysqlHost, err := mysqlContainer.Host(ctx)
require.NoError(t, err)
// 构造正确的DSN连接字符串
dsn := fmt.Sprintf("root:12345678@tcp(%s:%s)/test?charset=utf8mb4&parseTime=True&loc=Local",
mysqlHost, mysqlPort.Port())
技术要点解析
-
Host()方法:Testcontainers 提供的 Host() 方法能够返回容器在宿主机上的访问地址,这个地址会根据运行环境(Docker Desktop、Linux Docker等)自动适配。
-
MappedPort()方法:获取容器端口在宿主机上的映射端口,特别是在使用随机端口映射时尤为重要。
-
连接字符串构造:必须使用从容器获取的实际主机地址和端口,而不是硬编码的localhost。
最佳实践建议
-
总是检查容器服务的健康状态,确保服务完全启动后再尝试连接。
-
考虑添加连接重试逻辑,以应对服务启动延迟的情况。
-
在测试结束后,确保正确清理容器资源,避免资源泄漏。
-
对于数据库测试,可以使用专门的测试数据库模块,它提供了更多针对数据库测试的便利方法。
总结
通过这个案例我们可以看到,在使用 Testcontainers-go 进行容器化测试时,理解容器网络和连接方式至关重要。正确获取容器的主机地址和端口是成功连接服务的关键。Testcontainers 提供了简洁的API来获取这些信息,开发者应该充分利用这些API而不是做硬编码假设。
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-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