Rust / 系统课时

为时间与随机数建立可控入口

为时间与随机数建立可控入口

当测试依赖当前时间、随机数或其他动态输入时,同一组断言可能在不同运行时得到不同结果。本篇用依赖注入把这些输入收进可替换的边界,让生产代码保持真实行为,同时让测试能够稳定复现特定场景。

学习目标

  • 理解为什么时间和随机数应该通过抽象边界进入业务逻辑
  • 使用 Rust trait 注入时钟与随机源,并在测试中替换为固定实现
  • 判断哪些动态输入值得抽象,避免为了测试过度设计

把动态输入放到边界上

先看一个常见问题:业务函数直接调用系统时间。这样代码虽然简单,但测试无法稳定表达“订单在过期时间之后”这样的场景,因为每次执行时刻都可能不同。

更稳妥的做法是让业务代码依赖一个描述能力的接口,例如“现在是什么时间”,而不是直接依赖系统时钟。生产环境注入真实实现,测试环境注入固定实现。

随机数也是同一类问题。业务真正需要的通常不是“调用某个随机库”,而是得到一个随机值。把随机值来源包在 trait 后,测试就能提供确定序列,从而稳定覆盖边界条件。

用 trait 注入时间

下面的示例把时间读取抽象成 Clock。为了让示例保持轻量,使用 std::time::SystemTime 表示时间点;生产实现读取系统时间,测试实现返回固定值。

rust
use std::time::{Duration, SystemTime, UNIX_EPOCH};

trait Clock {
    fn now(&self) -> SystemTime;
}

struct SystemClock;

impl Clock for SystemClock {
    fn now(&self) -> SystemTime {
        SystemTime::now()
    }
}

struct FixedClock {
    value: SystemTime,
}

impl Clock for FixedClock {
    fn now(&self) -> SystemTime {
        self.value
    }
}

fn is_expired<C: Clock>(clock: &C, expires_at: SystemTime) -> bool {
    clock.now() >= expires_at
}

fn main() {
    let expires_at = UNIX_EPOCH + Duration::from_secs(1_000);
    let clock = FixedClock {
        value: UNIX_EPOCH + Duration::from_secs(1_001),
    };

    println!("expired={}", is_expired(&clock, expires_at));
}

#[cfg(test)]
mod tests {
    use super::*;

    #[test]
    fn expired_when_now_is_after_deadline() {
        let clock = FixedClock {
            value: UNIX_EPOCH + Duration::from_secs(1_001),
        };
        let expires_at = UNIX_EPOCH + Duration::from_secs(1_000);

        assert!(is_expired(&clock, expires_at));
    }
}

预期输出

text
expired=true

这里最关键的不是 FixedClock 本身,而是 is_expired 完全不知道时间来自系统还是测试。测试可以直接构造过去、当前和未来三个时刻,不需要等待真实时间流逝。

随机源也采用同样边界

需要测试随机行为时,可以抽象“产生下一个值”这一能力。测试实现返回预先安排好的值,业务逻辑继续按照正常路径执行。这样测试的是业务规则,而不是随机库本身。

rust
trait RandomSource {
    fn next_u32(&mut self) -> u32;
}

struct FixedRandom {
    values: Vec<u32>,
    index: usize,
}

impl RandomSource for FixedRandom {
    fn next_u32(&mut self) -> u32 {
        let value = self.values[self.index];
        self.index += 1;
        value
    }
}

fn choose_reward<R: RandomSource>(rng: &mut R) -> &'static str {
    // 业务只关心随机结果落在哪个区间,不关心随机值如何产生。
    match rng.next_u32() % 2 {
        0 => "standard",
        _ => "bonus",
    }
}

fn main() {
    let mut rng = FixedRandom {
        values: vec![7],
        index: 0,
    };

    println!("reward={}", choose_reward(&mut rng));
}

预期输出

text
reward=bonus

测试固定随机源时,实际上是在控制输入,而不是 Mock choose_reward。这点很重要:如果把业务函数本身替换掉,测试就失去了验证业务逻辑的意义。

抽象到什么程度

并不是所有调用都值得包一层。只有当动态输入会影响结果、难以稳定复现,或者需要主动构造边界场景时,抽象才有明显收益。时间、随机数、UUID、环境变量和外部配置通常符合这个条件。

抽象边界应该描述业务所需的最小能力。业务只需要“现在的时间”,就不要把整个系统时钟接口暴露进来;业务只需要生成一个随机整数,也不要把随机库的全部 API 透传进去。边界越小,替换成本越低,测试也越容易理解。

最终形成的关系很简单:业务逻辑依赖稳定的抽象,生产环境提供真实实现,测试提供可预测实现。这样既保留真实运行行为,又能让测试精确控制动态输入。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

为时间与随机数建立可控入口

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通