python测试之mock

什么是mock？

目前很多公司都采用前后端开发，开发完成后再进行联调，这是理想情况，不是很好的实现并行开发，效率较低；如果在前后端开发工程师约定好接口定义后，通过mock接口返回，则可实现前后端并行开发；在测试过程中，对于某些不易构造或不易获取的对象，创建一个虚拟的对象以便测试的方法就是mock。

使用场景

对象信息难构建：测试过程中，需要第三方接口返回特定的数据以符合特定的测试场景，此时往往需要跨部门的沟通协调测试数据，成本较高，效率低，通过mock可以自定义返回所需的测试结果。
依赖的接口尚未开发完成：在对接口性能压测时，需要下游接口及时返回数据，满足上有接口的调用频度。在依赖接口多的情况下，通过mock可减轻工作量。
异常场景：超时异常，连接异常等。测试过程中需要测试一些异常场景，接口正常的情况下无法提供异常数据

优缺点

优点

团队可以并行工作：前后端工程师只需要定义好接口文档，即可开始并行工作，互不影响。与此同时，开发自测阶段也可尽早开展，从而尽早发现问题，有利于整个产品质量以及进度的保证。
系统隔离：当前模块所依赖的其他系统模块出错时，可采用mock隔离，避免干预。
测试覆盖率：正常情况下，异常条件较难达到，使用mock可轻松解决，需要什么测试数据，进行模拟即可。

缺点

测试过程中如果大量使用mock，测试场景也就失去了真实性，可能会导致在后续的系统性测试中才发现BUG，使得缺陷发现较晚，可能会造成后续修复成本较大。所以建议不要过分依赖mock接口进行测试。

解决方案

方案1：搭建模拟服务器，然后模拟向服务器发送请求

moco
wiremock
以上两种均需要安装JDK，而后通过jar命令启动服务器

方案2:将测试对象所依存的对象替换为虚构对象的库

mock库：mock原是python的第三方库。python 3以后mock模块已经整合到了unittest测试框架中，不用再单独安装。

import unittest
from unittest import mock
class SubClass:
    def add(self, a, b):
        # 代码功能未实现
        pass
class TestSub(unittest.TestCase):
    def test_sub(self):
        sub = SubClass()
        # sub.add为要mock的对象，可以是一个类，或者函数，或是类实例
        # 实例化Mock类得到一个mock对象，并设置mock对象的行为
        sub.add = mock.Mock(return_value=10)
        result = sub.add(12, 23)
        self.assertEqual(result, 10)
if __name__ == '__main__':
    unittest.main()

import mock
# 实例化Mock类得到一个mock对象，并设置mock对象的行为
mock = mock.Mock()
mock.test_mock.return_value = 'Hello Mock'
print(mock.test_mock())

responses库：responses的使用主要是靠修饰器@responses.activate实现setup和teardown，以及responses.add()加入期望的返回值

    @responses.activate
    def test_simple1(self):
        responses.add(responses.GET, 'http://test.cn/test',
                      json={'error': 'not found'}, status=200)
        url = 'http://test.cn/test'
        r = requests.get(url)
        # print(r.json())
        self.assertEqual(r.json()['error'], 'not found')

python接口测试之mock
Responses学习笔记
mock介绍及moco框架搭建使用