Apollo Client 中 MockedProvider 对 NaN 变量的处理问题解析
问题背景
在 Apollo Client 的测试环境中,MockedProvider 是一个常用的工具,它允许开发者为 GraphQL 查询提供预设响应。然而,当测试用例中涉及到特殊数值类型时,特别是 NaN(非数字)值时,MockedProvider 的报错信息会出现不准确的情况。
问题现象
当开发者在测试中将 NaN 作为变量传递给 GraphQL 查询时,MockedProvider 生成的错误信息会将 NaN 转换为 null 显示。这种转换使得开发者难以快速识别问题根源,因为错误信息中显示的变量值与实际传递的值不符。
技术原理
这个问题的根源在于 JavaScript 的 JSON.stringify() 方法对特殊值的处理机制。根据 ECMAScript 规范,JSON.stringify() 在遇到 NaN 时会自动将其转换为 null,这是因为 JSON 规范本身不支持 NaN 这种特殊数值类型。
类似的情况也发生在 undefined 值上,但 Apollo Client 团队已经对 undefined 做了特殊处理,将其转换为字符串 "" 以保持调试信息的准确性。
解决方案
Apollo Client 团队已经通过 PR #12404 解决了这个问题。解决方案的核心思想是:
- 在将变量转换为字符串之前,先检查其中是否包含 NaN 值
- 如果发现 NaN,则使用特殊标记(如 "")来表示,而不是依赖 JSON.stringify() 的默认行为
- 这样处理后,错误信息就能准确反映实际传递的变量值
实际应用
在实际测试场景中,这个改进特别有用。例如,当测试组件处理错误输入时,开发者可能需要验证组件对 NaN 值的处理逻辑。改进后的 MockedProvider 能够提供更准确的调试信息,帮助开发者快速定位问题。
最佳实践
基于这个问题的解决,我们可以总结出一些测试实践建议:
- 当测试边界条件时,特别是涉及特殊数值类型时,要特别注意 MockedProvider 的报错信息
- 对于数值型变量,考虑测试各种可能的输入情况,包括正常数字、NaN、Infinity 等
- 如果遇到变量值在错误信息中显示不正确的情况,可以考虑是否是 JSON 序列化导致的转换问题
总结
Apollo Client 团队对 MockedProvider 的这次改进,体现了对开发者体验的重视。通过正确处理 NaN 值的显示问题,使得测试过程中的调试更加直观和高效。这也提醒我们,在构建测试工具时,需要考虑各种边界情况,特别是那些在 JSON 序列化过程中可能丢失或转换的特殊值。
对于使用 Apollo Client 进行测试的开发者来说,这个改进将显著提升测试的可靠性和调试效率,特别是在处理复杂数据类型和边界条件时。
kernelopenEuler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。C069
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0130
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