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。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- 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
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-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++097AI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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









