Mockery项目中如何优雅地模拟"永不调用"的方法
2025-06-02 18:15:14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
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GLM-V
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement LearningPython00ops-transformer
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++0107AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile010
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
211
2.21 K

暂无简介
Dart
520
115

Ascend Extension for PyTorch
Python
64
94

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++
552
87

React Native鸿蒙化仓库
JavaScript
209
285

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

🎉 (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
978
578

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

openGauss kernel ~ openGauss is an open source relational database management system
C++
147
194