NgRx Signals 测试辅助工具:`unprotected` 函数的设计思考
2025-05-28 09:58:30作者:裘晴惠Vivianne
在 NgRx Signals 的状态管理方案中,SignalStore 提供了一种响应式的状态管理方式。然而在测试场景下,开发者经常需要直接修改受保护的状态来进行测试准备。本文将深入探讨 NgRx 社区关于测试辅助工具的设计讨论和技术决策。
背景与需求
SignalStore 默认情况下会保护内部状态,防止外部直接修改,这是良好的封装性原则。但在单元测试中,我们经常需要:
- 快速设置初始测试状态
- 模拟特定状态场景
- 验证状态变更逻辑
目前缺乏官方推荐的测试工具方法,导致开发者需要寻找各种变通方案。
解决方案讨论
社区提出了几种设计方案:
1. unprotected 函数方案
import { unprotected } from '@ngrx/signals/testing';
const store = TestBed.inject(UsersStore);
patchState(unprotected(store), setAllEntities(usersMock));
这种方案通过一个简单的包装函数,临时解除状态保护,允许直接修改。
2. overrideState 方案
借鉴 Angular TestBed 的 override 系列方法:
overrideState(store, newState);
优势是符合 Angular 开发者已有的心智模型,同时隐含"这是测试专用方法"的语义。
3. injectUnprotectedStore 方案
const store = injectUnprotectedStore(UsersStore);
patchState(store, setAllEntities(usersMock));
这种方法通过专门的注入函数,明确区分了测试环境和生产环境。
技术考量
- 类型安全:所有方案都需要确保类型系统能够正确识别修改后的状态类型
- 测试意图表达:API 设计应该清晰表达这是测试专用工具
- 误用防范:尽量减少在生产代码中误用的可能性
- 开发者体验:符合 Angular/NgRx 开发者已有的使用习惯
最佳实践建议
基于讨论,推荐以下测试模式:
// 推荐方式:明确测试初始化
const store = injectStore(UsersStore, {
initialState: setAllEntities(usersMock)
});
// 或者在已有实例上修改
const store = TestBed.inject(UsersStore);
patchState(unprotected(store), setAllEntities(usersMock));
对于复杂测试场景,可以考虑分层策略:
- 使用
injectStore进行基础状态设置 - 通过业务方法测试正常流程
- 仅在必要时使用
unprotected模拟异常状态
实现原理
这类测试工具的核心实现通常会涉及:
- 类型转换:将受保护类型转换为可写类型
- 状态访问:提供对底层 Signal 的直接访问
- 作用域限制:确保仅在测试环境下可用
总结
NgRx Signals 的测试工具设计体现了在开发者体验和软件工程原则间的平衡。最终方案将提供灵活而安全的测试能力,同时保持生产代码的封装性。开发者可以根据具体测试需求选择合适的工具方法,但应始终注意测试的真实性和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-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).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
731
🎉 (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
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
198
74
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
1.03 K
460