Mockery项目中如何优雅地模拟"永不调用"的方法
2025-06-02 17:09:33作者:齐冠琰
在Go语言的单元测试中,我们经常会遇到需要模拟某些方法"永远不应该被调用"的场景。本文将深入探讨在Mockery项目中如何优雅地实现这一需求,并分析各种实现方式的优缺点。
问题背景
在编写单元测试时,有时我们需要确保被测代码在特定条件下不会调用某些方法。例如,当测试一个条件分支时,我们希望验证在某个分支下不会调用特定的依赖方法。这种情况下,我们需要一种方式来明确表达"这个方法永远不应该被调用"的预期。
常见解决方案
1. 使用panic的原始方式
最初开发者可能会采用以下方式:
mock.On("SomeFunc", ctx).
Run(func(args mock.Arguments) {
panic("should not be called!")
}).
Return(nil, errors.New("panic")).
Maybe()
这种方式虽然能达到目的,但存在几个问题:
- 代码冗长且不够直观
- 使用了panic,可能会影响测试框架的错误报告
- 需要额外处理返回值,即使这些返回值实际上不会被使用
2. 更优雅的解决方案:Times(0)
Mockery实际上已经提供了更优雅的解决方案:
mock.On("SomeFunc", ctx).Times(0)
这种方式:
- 语义明确,直接表达了"这个方法不应该被调用"的意图
- 不需要处理panic或返回值
- 当方法被意外调用时,Mockery会自动报告测试失败
3. 不设置预期的隐式方式
另一种方式是根本不设置对该方法的任何预期:
// 不设置SomeFunc的任何mock预期
然后依赖Mockery的AssertExpectations()功能,它会在测试结束时自动检查是否有未预期的调用发生。这种方式:
- 最简单直接
- 适用于不关心具体参数的情况
- 错误报告可能不够具体
最佳实践建议
-
参数明确时:使用
Times(0)方式,因为它既能明确表达意图,又能在错误发生时提供详细的错误信息。 -
不关心参数时:可以不设置预期,依赖
AssertExpectations()来捕获意外调用。 -
避免使用panic:除非有特殊需求,否则应该避免在测试中使用panic来验证调用情况。
深入理解Times(0)的工作原理
Mockery的Times(0)实际上是设置了一个预期计数器,当方法被调用时,这个计数器会递增。在测试验证阶段,Mockery会检查所有预期调用的实际调用次数是否符合预期。对于Times(0)的情况,任何调用都会导致验证失败。
实际应用示例
假设我们有一个缓存服务,在缓存命中时不应该调用底层数据库:
func TestCacheHit(t *testing.T) {
dbMock := new(DatabaseMock)
cache := NewCacheService(dbMock)
// 设置缓存命中的测试数据
cache.Set("key", "value")
// 明确表示GetFromDB不应该被调用
dbMock.On("GetFromDB", "key").Times(0)
// 执行测试
result, err := cache.Get("key")
require.NoError(t, err)
require.Equal(t, "value", result)
// 自动验证mock预期
dbMock.AssertExpectations(t)
}
总结
在Mockery项目中,验证方法"永不调用"的最佳方式是使用Times(0)。这种方式简洁、明确,并且能提供良好的错误报告。理解并正确使用这一特性,可以大大提高单元测试的可读性和可维护性。
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