应用场景

我们开发应用也好、服务也好，常常需要依赖后端或者服务的接口或第三方接口，有时是没做好但需要返回数据进行前端调试，有时第三方接口是不方便总调用，但我们还希望知道我们确实调用了。

1、开发移动应用 App，可能后端接口还在开发中，这时 App 的开发因为无法调用后端，很不方便。
2、程序会依赖第三方的接口，例如微信支付，在本地开发时不能直接调用。

相关技术：

• Stub 就是一个纯粹的模拟服务，用于替代真实的服务，收到请求返回指定结果，不会记录任何信息。
• Mock 则更进一步，还会记录调用行为，可以根据行为来验证系统的正确性(断言)。
• 这是源于单元测试，目前应用范围单元，集成，接口，功能（前后端，服务间，与第三方间，子功能间）测试中
  解决方案：
  1、使用代理工具fiddler/charles实现mock服务器
  2、使用mock解决（python）

mock的介绍：

• unittest.mock是一个用于在Python中进行测试的库。它允许您使用模拟对象替换受测试系统的部分，检查调用并对如何使用它们进行断言。

• unittest.mock提供了一个核心Mock类，还有MagicMock。

• 执行操作后，您可以断言使用哪些方法/属性以及调用它们的参数。

• 您还可以指定返回值并以正常方式设置所需属性。

• mock的patch()装饰器，用于处理测试范围内的修补模块和类级属性。

• [https://docs.python.org/3/library/unittest.mock.html]

实现例子：

设置返回值和属性
mock object对象的返回值

mock = Mock()
mock.return_value = 3
mock()

methods 具体方法返回值

mock.something.return_value = 3
mock.something()

attribute setting 属性的设置

mock.x =5
mock.x

通过构造方法-传参的方式

mock = Mock(return_value=3)
mock()

多次不同返回值，及顺序

Mock.side_effect=(200,404,302,500)

mock_calls是跟踪是否被调用
assert_called_with()是断言是否调用的这个参数
assert_called_once_with()是断言是否只调用一次
对已有的类实例使用patch临时改变返回值
dnd.py

from random import randint


def attack_damage(modifier):
    roll = randint(1, 8)
    return modifier + roll

test_dnd.py

from dnd import attack_damage
from unittest import mock
import pytest


@mock.patch("dnd.randint", return_value=5, autospec=True)
def test_attack_damage(mock_randint):
    assert attack_damage(1) == 6
    print(mock_randint.mock_calls)
    mock_randint.assert_called_with(1,8)


if __name__ == '__main__':
    pytest.main(['-s', '-v', 'test_dnd.py'])

实际应用：

单元测试中的应用
shot_tweeter.py

def tweet(api, message):
    if len(message) > 40:
        message = message.strip(",.!?")
    if len(message) > 40:
        message = message.replace('and','&')
    status = api.PostUpdate(message)
    return status

test_shot_tweeter.py

import unittest
from unittest.mock import Mock
import shot_tweeter


class TestTweet(unittest.TestCase):
    def test_example(self):
        mock_twitter = Mock()
        shot_tweeter.tweet(mock_twitter, "message and")
        mock_twitter.mock_calls
        mock_twitter.PostUpdate.assert_called_with("message &")

    def test_example2(self):
        mock_twitter = Mock()
        shot_tweeter.tweet(mock_twitter, "message")
        mock_twitter.mock_calls
        mock_twitter.PostUpdate.assert_called_with("message")


if __name__ == '__main__':
    unittest.main()

接口测试mock实例
users.py

import requests

BASE_URL = "http://reqres.in"


class Users:
    def list_users(self):
        resp = requests.get(BASE_URL+'/api/users?page=2')
        return resp

test_users.py

from users import Users
import unittest
from unittest.mock import patch


class TestUsers(unittest.TestCase):
    @patch('users.Users.list_users')
    def test_user_set(self, mock_list_users):
        mock_list_users.return_value.status_code = 200
        mock_list_users.return_value.json.return_value = {"data":[
            {"id":4,
             "email":"eve.holt@reqres.in",
             "first_name":"Eve1",
             "last_name":"Holt",
             "avatar":"https://s3.amazonaws.com/uifaces/faces/twitter/marcoramires/128.jpg"
             }]}
        u = Users()
        resp = u.list_users()
        assert resp.status_code == 200
        self.assertEqual(resp.json()['data'][0]['first_name'],'Eve')


if __name__ == '__main__':
    unittest.main()

mock扩展应用-性能测试解决方案之一

进行子服务的压力测试方案
1、直接使用线上的后端服务进行压测：优点是近线上状态，代价极小；缺点是线上子服务的稳定性，数据统计，引入脏数据等；
2、部署完整的后端测试环境：优点是与线上隔离；测试结果基本与线上环境一致，测试结果相对准确；缺点是部署成本极高；要保证子服务性能的会造成资源浪费。
3、部署部分子服务：优点是与线上隔离；部署成本相对较小；缺点是测试结果有出入，后端性能可能是瓶颈。
4、使用测试平台mock后端接口数据：优点与线上隔离；缺点是mock平台一般性能较弱，测试结果有出入；mock平台的逻辑规则会有一定的学习成本。（可以通过django写的mock服务）
5、使用nginx cache mock子服务返回内容：优点是与线上隔离；子服务返回内容与线上一致；可保证后端性能不是瓶颈；缺点是必须使用固定的一组请求（请求数量在几万的量级没问题）
6、影表