GoogleTest中返回shared_ptr常量引用时的陷阱分析
2025-05-03 15:59:36作者:段琳惟
问题背景
在使用GoogleTest框架进行单元测试时,开发人员经常会遇到需要模拟接口返回智能指针的情况。特别是当接口设计为返回std::shared_ptr的常量引用时,如果不注意一些细节,很容易导致程序崩溃。
典型场景
考虑一个数据库接口设计,其中包含一个获取连接的方法:
class IDatabase {
public:
virtual std::shared_ptr<IConnection> const& connection() const = 0;
};
对应的Mock类实现如下:
class DatabaseMock : public IDatabase {
public:
MOCK_CONST_METHOD0(connection, std::shared_ptr<IConnection> const&());
};
在测试代码中,开发人员可能会这样设置期望:
EXPECT_CALL(*mockDatabase, connection()).WillRepeatedly(ReturnRef(mockConnection));
问题根源
这种写法会导致程序崩溃,原因在于:
ReturnRef操作会创建一个临时std::shared_ptr<IConnection>对象- 这个临时对象的生命周期仅限于当前语句
- 当后续代码尝试访问这个引用时,实际上是在访问一个已经被销毁的对象
解决方案
正确的做法是先将Mock对象转换为接口类型的智能指针,并保持其生命周期:
std::shared_ptr<StrictMock<ConnectionMock>> mockConnection = std::make_shared<StrictMock<ConnectionMock>>();
auto iconn = std::static_pointer_cast<IConnection>(mockConnection);
EXPECT_CALL(*mockDatabase, connection()).WillRepeatedly(ReturnRef(iconn));
深入理解
- 智能指针与引用的关系:虽然
shared_ptr本身是智能指针,但对其取引用并不会延长其生命周期 - Mock对象转换:需要将具体的Mock类型转换为接口类型,保持类型系统的一致性
- 生命周期管理:必须确保被引用对象的生命周期长于所有可能访问它的代码
最佳实践建议
- 尽量避免在接口中返回智能指针的引用,除非有充分的理由
- 如果必须返回引用,确保被引用对象的生命周期得到妥善管理
- 在测试代码中,显式地管理所有Mock对象的生命周期
- 启用编译器警告(如
-Wreturn-stack-address)可以帮助发现这类问题
总结
在使用GoogleTest进行单元测试时,正确处理智能指针的返回引用是保证测试稳定性的关键。通过理解底层机制和遵循最佳实践,可以避免这类常见的陷阱,编写出更加健壮的测试代码。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
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++
893
677
暂无简介
Dart
802
199
openEuler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。
C
350
205
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781