LocalDateTime精度断言错误怎么解决
本文针对集成测试中LocalDateTime对象精度差异导致的断言失败问题,提出了一种有效的解决方案。由于数据库存储、JSON序列化等过程可能导致LocalDateTime精度丢失,直接比较字符串形式的时间戳容易出错。文章指出,关键在于避免直接的字符串比较,而是将从API响应中获取的时间字符串解析为LocalDateTime对象,并与期望值在统一精度下进行比较。通过自定义Hamcrest Matcher,可以实现对响应时间字符串的解析和精度控制,从而确保断言的准确性,有效解决LocalDateTime精度断言难题。

问题描述:LocalDateTime 精度断言失败
在进行集成测试时,我们经常会遇到 LocalDateTime 相关的断言失败,尤其是在比较从 API 响应中获取的时间戳与测试代码中创建的时间戳时。典型的错误信息如下:
java.lang.AssertionError: 1 expectation failed. JSON path _embedded.positionsSnapshotDToes.linkTime doesn't match. Expected: <[2022-11-09T10:01:03.152146400]> Actual: [2022-11-09T10:01:03.152146]
从上述错误可以看出,期望值(Expected)的时间戳包含了纳秒(400),而实际值(Actual)的时间戳只精确到微秒,缺少了最后的纳秒部分。这表明在数据存储、传输或序列化过程中,LocalDateTime 的精度发生了变化。
问题的核心代码片段通常涉及 JPA 实体和 RestAssured 测试:
// JPA 实体中的 LocalDateTime 字段
@Column(name = "LINK_TIME")
private LocalDateTime linkTime;
// 集成测试代码片段
@Test
void shouldPassLinkTime() {
final LocalDateTime anyLinkTime = LocalDateTime.now(); // 包含纳秒精度
// 保存实体到数据库
posSnapshotRepo.save(
PositionsSnapshot.builder()
.linkTime(anyLinkTime)
.build()
);
// 调用 API 并断言
given()
.spec(correctCredentialsAndPortSpec)
.log().ifValidationFails()
.contentType("application/json")
.body(MAPPER_HELPER.writeValueAsString(dto))
.when()
.post("service/unmatched")
.then()
.statusCode(200)
.log().ifValidationFails()
.and().body("_embedded.positionsSnapshotDToes.linkTime", equalTo(Arrays.asList(anyLinkTime.toString()))) // 直接比较字符串
// ... 其他断言
}在上述测试代码中,anyLinkTime 是通过 LocalDateTime.now() 创建的,通常会包含纳秒级别的精度。然而,当它经过 JPA 存储到数据库,再通过 REST API 响应序列化为 JSON 字符串时,其精度可能会被截断(例如,数据库列类型限制或 JSON 序列化器默认行为)。直接将 anyLinkTime.toString() (包含纳秒)与从 JSON 响应中获取的字符串(可能不含纳秒)进行比较,自然会导致断言失败。
问题根源分析
LocalDateTime 默认支持纳秒级别的精度。然而,这种精度在整个数据流转过程中可能无法得到完全保留:
- 数据库精度限制: 并非所有数据库的日期时间类型都支持纳秒精度。例如,MySQL 的 DATETIME 类型在 5.6.4 版本之前只支持到秒,之后才支持到微秒(DATETIME(6))。SQL Server 的 datetime 类型只支持到毫秒,而 datetime2 支持到纳秒。如果数据库列的精度低于 LocalDateTime 的纳秒精度,那么在存储时就会发生截断。
- JPA 映射: JPA 框架在将 LocalDateTime 映射到数据库时,会受到数据库列类型精度的影响。即使 LocalDateTime 对象具有纳秒,如果数据库列是 DATETIME(6),则只会存储到微秒。
- JSON 序列化/反序列化: JSON 库(如 Jackson)在将 LocalDateTime 对象序列化为字符串时,可能也有其默认的精度设置。同样,在反序列化时,如果字符串中缺少纳秒部分,它也无法恢复。
- 字符串比较的局限性: 直接比较 LocalDateTime 对象的 toString() 结果,实际上是在比较两个字符串。只要字符串内容有任何细微差别(如精度不同),即使它们代表的时间点在业务逻辑上是等价的,也会被认为是不同的。
解决方案:解析后比较 LocalDateTime 对象
解决此问题的核心思想是:确保在进行比较时,期望值和实际值都处于相同的类型和精度级别。 最健壮的方法是将从 API 响应中获取的时间字符串解析回 LocalDateTime 对象,并对两者进行统一的精度截断后再进行比较。
由于 RestAssured 的 body() 方法的第二个参数期望的是一个 Hamcrest Matcher,并且 JSON Path 表达式不能直接作为 LocalDateTime.parse() 的参数,我们需要创建一个自定义的 Hamcrest Matcher 来封装这个解析和比较的逻辑。
1. 定义自定义 Hamcrest Matcher
创建一个 LocalDateTimeStringMatcher,它能够接收一个 List
import org.hamcrest.Description; import org.hamcrest.TypeSafeMatcher; import java.time.LocalDateTime; import java.time.temporal.ChronoUnit; import java.util.List; public class LocalDateTimeStringMatcher extends TypeSafeMatcher> { private final LocalDateTime expectedDateTime; private final ChronoUnit precisionUnit; // 定义比较精度 /** * 构造函数 * @param expectedDateTime 期望的 LocalDateTime 对象 * @param precisionUnit 比较时使用的精度单位,例如 ChronoUnit.MICROS */ public LocalDateTimeStringMatcher(LocalDateTime expectedDateTime, ChronoUnit precisionUnit) { // 在构造时就对期望值进行截断,以匹配数据库/JSON的实际精度 this.expectedDateTime = expectedDateTime.truncatedTo(precisionUnit); this.precisionUnit = precisionUnit; } @Override protected boolean matchesSafely(List
item) { if (item == null || item.isEmpty()) { return false; } // 假设我们只关心列表中的第一个时间戳 String actualDateTimeString = item.get(0); try { // 将从响应中获取的字符串解析为 LocalDateTime LocalDateTime actualDateTime = LocalDateTime.parse(actualDateTimeString); // 对实际值也进行相同的精度截断,然后进行比较 return actualDateTime.truncatedTo(precisionUnit).equals(expectedDateTime); } catch (java.time.format.DateTimeParseException e) { // 处理解析异常,例如日志记录 System.err.println("Failed to parse date-time string: " + actualDateTimeString + " - " + e.getMessage()); return false; } } @Override public void describeTo(Description description) { description.appendText("a list containing LocalDateTime matching (truncated to " + precision
理论要掌握,实操不能落!以上关于《LocalDateTime精度断言错误怎么解决》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
CSS变量轻松实现主题切换方法
- 上一篇
- CSS变量轻松实现主题切换方法
- 下一篇
- 引入外部JS文件的几种方法解析
-
- 文章 · java教程 | 1小时前 |
- Java 虚拟线程批量发起网络请求时如何限制并发度
- 265浏览 收藏
-
- 文章 · java教程 | 3小时前 | Java · 并发编程 · 虚拟线程 · java 结构化并发 StructuredTaskScope 子任务取消
- Java 结构化并发怎样统一取消一组子任务
- 370浏览 收藏
-
- 文章 · java教程 | 5小时前 | 并发 · Java · java threadlocal ScopedValue 并发上下文
- Java ScopedValue 如何替代只读 ThreadLocal 上下文
- 457浏览 收藏
-
- 文章 · java教程 | 9小时前 |
- Java 序列化边界怎么收紧:白名单与替代格式
- 278浏览 收藏
-
- 文章 · java教程 | 11小时前 | Java · 异常处理 · AutoCloseable Java try-with-resources suppressed exception 关闭顺序 getSuppressed
- try-with-resources 关闭顺序会如何影响主异常
- 197浏览 收藏
-
- 文章 · java教程 | 13小时前 | Java教程 · ServiceLoader module-info Java模块 uses provides
- 模块化项目为什么读不到服务实现:uses 与 provides 排查
- 462浏览 收藏
-
- 文章 · java教程 | 16小时前 | Java · 取消 · CompletableFuture · 重试 ·
- Java HTTP Client 实现带取消与重试的异步请求
- 212浏览 收藏
-
- 文章 · java教程 | 1天前 | Java · JVM · JVM Native Memory Tracking NMT jcmd 原生内存 JVM内存排查
- JVM 原生内存上涨但堆稳定,怎样用 NMT 分类定位
- 414浏览 收藏
-
- 文章 · java教程 | 1天前 | Java · 性能优化 · Stream · Java教程 · Java Stream Spliterator 并行流 parallelStream Stream副作用
- Stream 并行化前先判断什么:数据规模、拆分与副作用
- 405浏览 收藏
-
- 文章 · java教程 | 1天前 | Java教程 · sealed interface Java密封类 模式匹配switch 支付结果 穷尽检查
- 密封类建模支付结果:穷尽分支与扩展边界
- 270浏览 收藏
-
- 文章 · java教程 | 1天前 | 数据校验 · api设计 · Java教程 · 参数校验 Java record API DTO Jakarta Validation 紧凑规范构造器 跨字段校验
- Java Record 作为 API DTO 时,校验逻辑放在哪里
- 370浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 384次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 462次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 473次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 410次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 237次使用
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览

