Project Icon

matchstick

Graph协议专用的单元测试框架

Matchstick是专为The Graph协议开发的单元测试框架,提供沙盒环境用于测试子图的映射逻辑。该框架支持Docker容器和多操作系统,具有灵活的配置选项。通过使用AssemblyScript编写的辅助库,Matchstick帮助开发者提升子图质量,确保处理程序在部署时能正确运行。

GitHub 横幅 - 由 LimeChain 制作-1

许可证:MIT

👋 欢迎使用 Matchstick - The Graph 协议的单元测试框架。在沙盒环境中尝试您的映射逻辑,确保在部署您出色的子图时处理程序能正确运行!

快速开始 🚀

Matchstick 依赖于一个辅助库 - matchstick-as,该库用 AssemblyScript 编写,并在单元测试中作为导入使用。

配置 ⚙️

Matchstick 可以通过 matchstick.yaml 配置文件来使用自定义的测试和库文件夹:

  • 要更改默认测试位置(./tests),添加 testsFolder: path/to/tests_folder

  • 要更改默认库位置(./node_modules),添加 libsFolder: path/to/node_modules

  • 要更改默认清单位置(./subgraph.yaml),添加 manifestPath: path/to/subgraph.yaml

Docker 🐳

使用 Matchstick 最快捷的方法是构建并运行一个基于 Ubuntu 的 Docker 容器,其中包含 Matchstick 镜像。步骤如下:

  • 如果还没有安装 Docker,请先安装 Docker

  • 在子图项目的根文件夹中创建一个名为 Dockerfile 的文件,并将此文件的内容粘贴到其中。将 <MATCHSTICK_VERSION> 占位符替换为所需的 matchstick 版本。您可以在这里找到所有可用版本。

  • 使用以下命令构建 Matchstick 镜像:

docker build -t matchstick .
  • 构建步骤可能需要一些时间,但完成后我们可以快速运行测试:
docker run -it --rm --mount type=bind,source=<项目的绝对路径>,target=/matchstick matchstick

❗ 如果您想向 Matchstick 传递参数(例如只测试特定的数据源或生成测试覆盖率报告),可以这样做:

docker run -e ARGS="gravity" -it --rm --mount type=bind,source=<项目的绝对路径>,target=/matchstick matchstick

注意: 该命令会将项目文件夹挂载到容器中,因此每次更改代码后无需重新构建镜像。此外,运行期间对文件的任何更改也会保留在主机上。有关 docker 绑定挂载的更多信息

之后,您可以直接进入最后的设置步骤,就可以开始编写您的第一个单元测试了。

❗ 如果您之前运行过 graph test,在 docker build 过程中可能会遇到以下错误:error from sender: failed to xattr node_modules/binary-install-raw/bin/binary-<platform>: permission denied。在这种情况下,在根文件夹中创建一个名为 .dockerignore 的文件,并添加 node_modules/binary-install-raw/bin

❗ 虽然使用 Docker 方法很简单,但我们强烈建议通过特定操作系统的二进制文件使用 Matchstick(当您运行 graph test 时会自动下载)。只有在由于某些原因无法使用 graph test,或者您只是想快速尝试一下时,才应考虑使用 Docker 方法。

特定操作系统的发布二进制文件 ⚙️

发布的二进制文件有两种版本 - МacOSLinux。要将 Matchstick 添加到您的子图项目中,只需打开终端,导航到项目的根文件夹,然后运行 graph test - 它会下载最新的 Matchstick 二进制文件并运行指定的测试或测试文件夹中的所有测试(如果未指定数据源标志,则运行所有现有测试)。示例用法:graph test gravity

❗ 如果您没有安装 Postgres,则需要安装它。以下是安装说明: ❗❗❗ 由于 graph-node 依赖于 diesel(而 diesel 需要本地 postgres 安装),我们强烈建议使用以下命令进行安装,因为以其他方式添加可能会导致意外错误!

MacOS

❗ Postgres 安装命令:

brew install postgresql@14

然后创建指向库的新符号链接:

ln -sf /usr/local/opt/postgresql@14/lib/postgresql@14/libpq.5.dylib /usr/local/opt/postgresql/lib/libpq.5.dylib

Linux 🐧

❗ Postgres 安装命令(取决于您的发行版):

sudo apt install postgresql

WSL(Windows 子系统 for Linux)🤖

您可以在 WSL 上使用 Docker 方法和二进制方法来使用 Matchstick。由于 WSL 可能有些棘手,以下是一些提示,以防遇到诸如 static BYTES = Symbol("Bytes") SyntaxError: Unexpected token =<PROJECT_PATH>/node_modules/gluegun/build/index.js:13 throw up; 或其他看起来不对劲的问题:

请确保您使用的是较新版本的 Node.js(graph-cli 不再支持 v10.19.0,而这仍然是 WSL 上新 Ubuntu 镜像的默认版本。例如,Matchstick 在 WSL 上使用 v18.1.0 时已确认可以正常工作,您可以通过 nvm 切换到它,或者更新全局 Node.js)。更新 nodejs 后,别忘了删除 node_modules 并重新运行 npm install!然后,确保安装了 libpq,可以通过运行 sudo apt-get install libpq-dev 来安装。最后,不要使用 graph test(它使用全局安装的 graph-cli,目前在 WSL 上似乎有问题),而是使用 yarn testnpm run test(这将使用本地项目级别的 graph-cli 实例,它可以正常工作。为此,您当然需要在 package.json 文件中有一个"test"脚本,它可以简单到 "test": "graph test")。

安装依赖

为了使用测试辅助方法并运行测试,您需要安装以下依赖:

yarn add --dev matchstick-as

现在您可以直接跳转到我们 demo-subgraph 中的示例,开始您的子图单元测试之旅!

从源代码构建

先决条件

要构建和运行 Matchstick,您需要在系统上安装以下内容:

设置

克隆此存储库并运行 cargo build。如果执行成功,恭喜 🎉 您已经准备就绪。

注意: 您可能会遇到与系统上缺少 libpq 依赖项相关的错误。在这种情况下,请使用包管理器安装缺少的依赖项(错误日志中列出)。

下一步 🎯

Matchstick 还有很大的改进空间。我们正试图从子图开发者那里收集尽可能多的反馈,以了解如何解决他们在构建子图时面临的问题,以及如何使整个测试过程尽可能顺畅和流畅。

我们有一个 GitHub 项目板,用于跟踪日常工作,您可以在这里查看。

您可以在这里查看完整的任务列表。

使用的技术 💻

图表-调整大小

Matchstick 框架是用 Rust 构建的,作为包含映射和单元测试的生成的 WebAssembly 模块的包装器。它将主机函数实现传递给模块,以便在测试中使用(如果需要,也可以在映射中使用)。该框架还充当 graph-node 仓库中定义的结构的代理,因为它需要传递所有常用导入,以及一些粘合在顶部的额外/模拟导入。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号