agoff
2020-01-31 22:58
您可以使用WireMock的场景功能来实现。潜在的设置可能类似于...
stubFor(get(urlEqualTo("/foo")).inScenario("Test Scenario")
.whenScenarioStateIs(STARTED)
.willReturn(aResponse().withStatus(503))
.willSetStateTo("One Attempt"));
stubFor(get(urlEqualTo("/foo")).inScenario("Test Scenario")
.whenScenarioStateIs("One Attempt")
.willReturn(aResponse().withStatus(503))
.willSetStateTo("Two Attempts"));
stubFor(get(urlEqualTo("/foo")).inScenario("Test Scenario")
.whenScenarioStateIs("Two Attempts")
.willReturn(aResponse().withStatus(200)));
在上面的代码中，您通过定义方案名称和初始行为来设置方案（所有方案都以的状态开始STARTED。）第一次运行到"/foo"端点后，我们返回503状态，以及方案的状态更改为“一次尝试”。第二次运行到"/foo"端点后，我们再次返回503状态，并且该方案的状态更改为“两次尝试”。如果"/foo"再次点击端点，我们将返回200状态，而不更改场景状态。
需要注意的是，您需要知道要返回特定状态的确切时间，因此不允许您随机返回503。但是，如果确定在返回200之前总是需要特定数量的响应，则场景应该可以工作。
热门帖子
相关问题
热门github
1
2
4
The Python Risk Identification Tool for generative AI (PyRIT) is an open access automation framework to empower security professionals and machine learning engineers to proactively find risks in their generative AI systems.
(翻译：用于生成式 AI 的 Python 风险识别工具 (PyRIT) 是一个开放式访问自动化框架，使安全专业人员和机器学习工程师能够主动发现其生成式 AI 系统中的风险。)
5
7
8
9
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
10
11
13
谢谢。我知道Wiremock中的场景。我想知道是否有像您这样定义而不是指定每个请求的请求数量的配置。但是您的回答对我很有帮助。