AssertJ 时间断言增强:支持Duration参数
2025-06-29 15:09:08作者:董灵辛Dennis
在Java的测试领域,AssertJ库因其流畅的API和丰富的断言功能而广受欢迎。近期社区提出了一个关于时间断言功能的增强建议,值得开发者关注。
当前时间断言机制
AssertJ目前提供了两种主要的时间比较断言方式:
byLessThan(long amount, TemporalUnit unit)- 验证时间差小于指定单位和数值within(long amount, TemporalUnit unit)- 验证时间差在指定单位和数值范围内
使用方式如下:
assertThat(someTime).isCloseTo(anotherTime, byLessThan(1, ChronoUnit.MINUTES));
assertThat(someTime).isCloseTo(anotherTime, within(5, ChronoUnit.SECONDS));
改进建议
虽然现有API功能完善,但在实际使用中,开发者经常需要处理Duration对象。目前的API要求开发者先将Duration拆解为数值和单位两部分,这增加了使用复杂度。
建议新增直接支持Duration参数的断言方法,使API更加直观和符合现代Java时间API的使用习惯。
改进后的优势
- 代码更简洁:直接使用Duration对象,减少参数拆分
- 更符合Java时间API设计:与java.time包更紧密集成
- 提高可读性:Duration对象本身就表达了时间量概念
- 减少错误:避免数值和单位参数不匹配的问题
改进后的使用示例:
assertThat(someTime).isCloseTo(anotherTime, byLessThan(Duration.ofMinutes(1)));
assertThat(someTime).isCloseTo(anotherTime, within(Duration.ofSeconds(30)));
实现原理
从技术实现角度看,这个改进主要涉及:
- 新增静态工厂方法,接收Duration参数
- 内部将Duration转换为现有的数值+单位形式
- 保持原有断言逻辑不变
这种改进属于API扩展,不会破坏现有代码的兼容性。
适用场景
这一改进特别适合以下场景:
- 测试中已经使用了Duration对象
- 需要表达复杂的时间量(如1分30秒)
- 希望代码更清晰地表达时间量概念
- 使用Java 8及以上版本的项目
总结
AssertJ对Duration参数的支持将使时间相关的测试代码更加简洁和直观。这一改进体现了AssertJ持续优化开发者体验的承诺,也是现代Java时间API与测试框架更好集成的典范。对于经常需要处理时间相关断言的测试代码,这一特性将显著提升代码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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218