Apache Pulsar测试框架中的Mockito未完成桩问题分析
2025-05-17 18:00:15作者:余洋婵Anita
问题背景
在Apache Pulsar项目的测试过程中,开发团队发现了一个与Mockito测试框架相关的稳定性问题。该问题出现在AuthZTest测试类的before方法中,表现为"UnfinishedStubbing"错误,即Mockito检测到未完成的桩配置。
错误现象
测试执行时抛出以下异常:
Unfinished stubbing detected here:
-> at org.apache.pulsar.broker.admin.AuthZTest.before(AuthZTest.java:88)
这表明在AuthZTest类的第88行附近存在未完成的Mockito桩配置,可能是缺少thenReturn()语句、尝试对final方法进行桩配置,或者在thenReturn指令完成前就尝试配置另一个mock对象的行为。
技术分析
Mockito框架要求所有的桩配置必须完整,这意味着:
- 每个when()调用后必须跟一个thenReturn()、thenThrow()或类似的终止操作
- 不能对final方法进行桩配置,因为Mockito无法代理这些方法
- 桩配置必须原子化完成,不能在配置一个mock的过程中间配置另一个mock
在Pulsar的测试案例中,AuthZTest类是一个授权相关的测试类,它需要在测试前(before方法)准备一些mock对象来模拟授权环境。TransactionAndSchemaAuthZTest继承自AuthZTest,在after方法中发现了未完成的桩配置。
解决方案
该问题已经被修复,解决方案涉及:
- 确保所有Mockito的when()调用都有对应的thenReturn()或类似终止操作
- 检查测试类继承关系中的桩配置顺序
- 避免在配置一个mock的过程中间配置另一个mock
经验总结
在编写基于Mockito的测试时,开发人员应当:
- 保持桩配置的完整性
- 注意测试类的继承关系可能对桩配置的影响
- 在before/after方法中特别小心mock的配置顺序
- 考虑使用@BeforeEach/@AfterEach等现代测试注解来更清晰地管理测试生命周期
这类问题的修复有助于提高Pulsar测试套件的稳定性和可靠性,确保授权相关功能的正确性验证能够持续稳定地执行。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
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++
664
319
🎉 (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
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868