CS Five

测试 ​

测试就是用代码验证代码：跑一遍实现，断言结果符合预期，不符合就让进程以非零码退出。

从单元到端到端 ​

粒度决定了测试能定位到什么。单元测试盯一个函数，失败时几乎不用排查；端到端测试走完整个流程，能发现集成问题，但失败原因往往要先手动复现一遍。

层级验证对象速度稳定性
单元单个函数或类毫秒高
集成模块、数据库、HTTP秒中
端到端完整用户流程分钟低

测试金字塔的意思是：底层单元测试多，顶层端到端少。反过来做，CI 会慢到没人愿意等，而且失败信息往往指向「某个页面打不开」，对定位帮助有限。

判断该写哪一层，看你想锁定什么。算法分支用单元测试；序列化与数据库约束之间的一致性用集成测试；登录后能下单用端到端测试。每层解决不同的问题，不能互相替代。

pytest 的常用开关 ​

python
import pytest

@pytest.mark.parametrize("x,expected", [(2, 4), (3, 9)])
def test_square(x, expected):
    assert x * x == expected

def test_raises():
    with pytest.raises(ValueError):
        int("nope")

pytest 自动发现 test_*.py 里以 test_ 开头的函数。断言失败时它会重写 assert，把两边的值打印出来，不需要手写消息。parametrize 把同一段逻辑展开成多条独立用例，失败时能直接看到是哪组输入。

bash
pytest -k "square and not slow"
pytest -x
pytest --lf
pytest -q --tb=short

-k 按用例名筛选，支持 and、or、not；-x 首个失败即停；--lf 只跑上次失败的用例；--tb=short 压缩回溯，先看结论。调试时先跑单个用例，改完再跑全量。

fixture 负责准备和清理，用 yield 分隔两段。tmp_path 提供每个用例独立的临时目录，避免测试之间互相踩文件。

python
@pytest.fixture
def db(tmp_path):
    conn = connect(tmp_path / "test.db")
    yield conn
    conn.close()

测试替身 ​

外部依赖要换掉，否则测试会受网络、第三方服务和本机环境影响。替换的方式不止一种，选错会让测试和实现绑死。

替身行为适合
stub返回固定值让流程走下去
spy记录调用，保留真实行为验证「有没有调用」
mock预设返回值并断言调用验证交互细节
fake有简化但真实的实现内存数据库、假队列
python
from unittest.mock import patch

def test_status(monkeypatch):
    monkeypatch.setenv("API_URL", "http://example.test")
    with patch("app.client.get") as get:
        get.return_value = {"ok": True}
        assert fetch_status() is True
        get.assert_called_once()

monkeypatch 适合临时改环境变量和属性，测试结束自动还原；patch 适合替换模块里的函数。断言调用次数和参数，能锁住协议细节；但断言得太细，重构内部实现时测试会成片变红。

测试的几种写法 ​

三种写法各有用途：

  • TDD：先写失败的测试，再写刚好让它通过的实现，最后重构。它强迫你先想清楚接口，代价是初期速度变慢
  • 回归测试：修 bug 前先复现，看着它失败，再修。同一个 bug 不会回来
  • 属性测试：不列举用例，描述输入范围和必须成立的性质，Hypothesis 自动生成数据并保存最小反例
python
from hypothesis import given, strategies as st

@given(st.lists(st.integers()))
def test_reverse_twice(xs):
    assert list(reversed(list(reversed(xs)))) == xs

随机数、时钟、UUID 都要注入而不是直接调用。测试里直接 datetime.now() 或 random.random()，等于把不确定性写进了断言。

让测试可靠且够快 ​

不稳定的测试比没有测试更糟：它会训练大家忽略红灯。常见成因有五种——依赖真实时间、依赖随机数、依赖网络、用例之间共享状态、异步操作只等固定 sleep。对应修法是注入时钟、固定种子、打桩网络、每个用例独立目录、用轮询代替等待。

速度问题有两个方向：

  • 并行：pytest-xdist 的 -n auto 按 CPU 核数分发，--dist loadscope 让同一文件的用例落在同一个 worker，减少 fixture 重复创建
  • 分层：单元测试每次保存都跑，集成测试在 pre-push 跑，端到端测试交给 CI 或夜间任务

全部塞进一个命令，最后的结果就是没人跑。

覆盖率 ​

bash
coverage run -m pytest
coverage report -m
coverage html
pytest --cov=src --cov-branch --cov-report=html

coverage html 生成 htmlcov/index.html，逐行标出执行过和没执行过的代码。分支覆盖比行覆盖严格：if 只走真分支时，行覆盖看起来是满的，分支覆盖会指出假分支没测。

覆盖率是下限不是目标，两个常见误解要拆开看：

  • 覆盖率高不等于断言有效：把断言删掉，覆盖率一点不掉
  • subprocess 启动的子进程不被统计：测试里跑的 CLI 要单独测量，或者把逻辑挪进可导入的函数

想验证断言本身，得用变异测试：故意改坏源码，看测试能不能抓住。mutmut 是 Python 里现成的工具。