本文介绍了一种秒级启动的集成测试框架,使用该框架可以方便的修改和完善测试用例,使得测试用例成为测试过程的产物。
背景
传统的单元测试,测试的范围往往非常有限,常常覆盖的是一些工具类、静态方法或者较为底层纯粹的类实现,但是一般整个应用代码是比较复杂的,存在不同分层。在DDD中,一般包括:防腐层、领域层、服务层、应用层。越到上层的类其依赖关系越复杂,这些上层的类对象往往不太适合用单测来覆盖。
但是集成测试的启动速度较慢,随着工程的增大,启动速度会越来越慢。这就导致修改和 Debug 测试用例变得非常耗时,一部分人甚至会放弃写测试,而通过系统界面或手动接口测试(Postman等)方式来保证功能正确性。但这样做之后,在未来重构或者开发新需求时很难完整回归已有功能。完整回归已有功能将是每次发布的负担,回归遗漏可能引发线上故障。
测试的执行速度至关重要,这往往会影响人们是否自觉地完成测试覆盖。在实际开发过程中,我们可能需要本地反复执行某些测试用例,并不断修改,如果应用能在10秒内启动完成,那么开发是高效的,否则可能会让人试图通过其他方式来测试功能的正确性。
解决方案
针对这一问题,一个比较直观的想法是让集成测试执行速度和单元测试一个数量级。
一般的Java工程都使用了Spring框架,其应用启动慢,往往是一些涉及网络通信的Bean的初始化过程比较耗时,比如RPC框架、缓存、数据库等,这些中间件的Bean对象初始化都需要和外部建立网络连接,等待数据推送等,有的涉及多次网络通信,将这些Bean完全Mock掉,可大大加快应用启动速度。
很直观的解法是将这些耗时的Bean替换为MockBean,有两种方式:
使用Spring的@Primary注解,并禁止耗时Bean的初始化
Mock Spring容器
第一种方式的困难在于Bean初始化的方式多种多样,有的在init方法中,有的通过BeanPostProcessor动态创建,要精准的禁止这类逻辑的执行是比较困难的。
第二种方式则是自己实现一个Mock的Spring框架,基于约定的方式实现Mock对象的自动加载,以及普通Bean对象和Spring一样的方式初始化,从而实现应用的快速启动。
Mock Spring容器
我们基于第二种思路实现了Mock的Spring容器,但仅仅实现其了基础功能,因为通常我们的工程没有用到Spring比较复杂的能力(大多数工程都是如此)。工程中采用约定大于配置的方式,可以减少Mock的工作量。在Mock Spring框架时其实最需要的是自动构建依赖树的能力,即根据当前Bean对象的依赖关系,按需动态创建一系列其关联的Bean。而且对于外部依赖,可以基于某种约定来优先加载Mock对象,保证所有对象Bean创建是按需的,且不需要网络等待,这样可以实现对象依赖树秒级创建,集测秒级启动。其他特殊的功能可以通过其他方式来绕过,本方案也在不断完善中。从实践来看,启动大约需要1-10秒。
本方案的基本思路如下:
记录接口与实现类的关系,是为了根据接口查找实现类,实现按需加载
Mock对象相当于加了@Primary注解,在同类型中会优先被注入,保证覆盖中间件等外部依赖Bean对象
初始化基础Bean对象,是优先加载@Configuration修饰的类中定义的Bean对象
以下是工程中定义的扫包代码片段,每个测试执行Bean都是按需加载,不会将所有Bean全部创建。
// 确定扫包路径,扫包规则,只有@Component等注解修饰的类才会被注册为Bean
Predicate> classFilter = clazz -> !clazz.getSimpleName().endsWith("Test");
Set> beanClasses = ClassScanUtil.scanPackages(
classFilter,
// 应用包路径
"com.nbf.gateway",
);
以上的应用包路径和Spring Boot应用的扫包路径一致。
以下是Bean初始化简化后的逻辑:
protected T getBeanObject(Class requiredType) {
// 首先查找Bean的真实类型
Set> beanClassList = implClassMap.get(requiredType);
int size = CollectionUtils.size(beanClassList);
Class> beanClass;
if (size > 1) {
throw new BusinessException(CommonErrorCode.UNKNOWN_EXCEPTION, requiredType.getName() + "包含多个实现类");
} else if (size == 1){
beanClass = beanClassList.iterator().next();
} else {
beanClass = requiredType;
}
T bean;
Constructor> constructor = ListUtils.firstElementOf(beanClass.getConstructors());
if (null == constructor) {
throw new BusinessException(new Exception("class: " + beanClass.getName() + " 构造器为null."));
}
Class>[] classes = constructor.getParameterTypes();
Object[] params = new Object[classes.length];
for (int i = 0; i < classes.length; ++i) {
params[i] = this.getBean(classes[i]);
}
try {
//noinspection unchecked
bean = (T)constructor.newInstance(params);
} catch (Exception e) {
throw new BusinessException(e);
}
// 处理@Autowired@和Resource
this.processMemberBean(bean);
// 执行初始化逻辑
Method[] methods = beanClass.getDeclaredMethods();
for (Method method : methods) {
if (method.getAnnotation(PostConstruct.class) != null) {
try {
method.invoke(bean);
} catch (Exception e) {
throw new BusinessException(e);
}
}
}
return bean;
}
以下是在测试类中获取Bean对象的方法,类似@Autowired。MockApplicationContext即是我们Mock Spring容器类的名字。
public class GroupVersionRepositoryUnitTest {
private final static GroupTunnel groupTunnel = MockApplicationContext.getBeanOfType(GroupTunnel.class);
}
Mock数据库
基于以上的思路,我们还需要Mock数据库、外部依赖、中间件。下面小节将重点介绍Mock数据库的一种实现。
Mock数据库,最直观的想法就是使用HashMap,也在很多的工程中有用到。看到很多的实现是,在测试中,我们调用DAO层相关代码替换为在HashMap中操作对应数据。这样的实现有两个比较明显的缺点:
每个数据操作都需要手动翻译为对Map的数据操作,费时费力,容易存在翻译偏差
每次翻译过程,需要case by case处理
当然能做到这种替换,还有个前提是,我们将DAO层的操作都统一封装到了一层,这样才能实现使用Mock对象替换的方式实现整体替换。
目前大多数的Java工程都使用Mybatis,解决思路是实现一套类似Mybatis的查询工具类,让写Mock实现和真实的DAO层方法调用类似,让翻译过程尽量简单直观。
为此,我们定义了MockExample对应Mybatis的查询参数Param,MockCriteria对应Criteria(用户暂时不感知),MockTunnelUtil对应DAO,Mock对象和Mybatis真实对象映射关系如下图所示:
MockExample、MockCiteria都以DO(Data Object)作为泛型参数,用于指定操作哪张表
原始某段真实Mybatis查询代码如下:
@Override
public ApiInfoDO get(String apiInfoId) {
ApiInfoQuery query = new ApiInfoQuery();
query.createCriteria()
.andApiInfoIdEqualTo(apiInfoId);
List apiInfoDOList = apiInfoDao.selectByQueryWithBLOBs(query);
return firstElementOf(apiInfoDOList);
}
翻译后的Mock实现如下:
@Override
public ApiInfoDO get(String apiInfoId) {
MockExample example = new MockExample<>();
example.createCriteria()
.andEqualTo(apiInfoId, ApiInfoDO::getApiInfoId);
List apiInfoDOList = MockTunnelUtil.selectByExample(this, example);
return firstElementOf(apiInfoDOList);
}
这里有三点需要对照修改:
创建查询参数,比如:ApiInfoQuery,需要替换为创建MockExample
查询条件增加属性的方法引用,比如:ApiInfoDO::getApiInfoId
使用MockTunnelUtil代替DAO进行查询
MockExample实现主要使用了断言Predicate,以下是In条件的实现:
public MockCriteria andIn(List field, Function getter) {
Predicate predicate = obj -> field.contains(getter.apply(obj));
return this.addCondition(predicate);
}
上述实现大大简化了Mock 数据库的难度,但仍然存在如下缺点:
查询 & 修改逻辑变更,Mock逻辑需要跟着变更,存在比较严重的一致性问题
很多时候会忘记修改,导致Mock结果和实际运行不一致
如果Mybatis调用逻辑散落各处,没有统一收敛到一层,则Mock比较困难
为此我们需要将Mock的层再向下降一层,直接Mock DAO,在测试中调用DAO,则会调用到我们的Mock实现,做到Mock实现不依赖业务代码变化。
一个比较直观的解决方案是实现一套通用逻辑,将Mybatis的Param直接转换为MockExample,则不需要再手动去写那段翻译逻辑,即可自动将业务实现转换为Mock实现。
这里的一个难点是Mybatis生成的查询Criteria缺乏公共的父类,每个方法的名称都是和用户参数名相关的,比如andApiInfoIdEqualTo。
通过分析,我们可以发现,其实问题的根源在于Mybatis的Example、Criteria、Criterion缺乏公共的接口或基类。为了解决这个问题,我们定义了SqlParam、SqlCriterion、SqlCriteria,用来抽象这三个层次的对象。以下是这三个类的定义:
public interface SqlCriteria {
List getCriteria();
}
public interface SqlCriterion {
String getCondition();
Object getValue();
Object getSecondValue();
}
public interface SqlParam {
/**
* 是否分页
*/
boolean isPage();
/**
* 获取页码(1开始)
*/
Integer getPageIndex();
/**
* 获取页大小
*/
Integer getPageSize();
/**
* 获取排序语句
*/
String getOrderByClause();
/**
* 获取查询条件
*/
List getOredCriteria();
}
我们在Mock DAO层的实现中,定义不同DO的这三个接口实现即可,这样我们就可以基于这些信息将Mybatis Param转换为MockExample了。以下是Mock DAO实现的样例:
@NoArgsConstructor(access = AccessLevel.PRIVATE)
public class MockApiInfoDaoImpl
extends AbstractMockDaoImpl
implements ApiInfoDao {
private static final MockApiInfoDaoImpl INSTANCE = new MockApiInfoDaoImpl();
public static MockApiInfoDaoImpl getInstance() {
return INSTANCE;
}
@Override
public Function getIdGetter() {
return ApiInfoDO::getId;
}
@Override
protected SqlParam getSqlParam(ApiInfoQuery query) {
return new SqlParam() {
@Override
public boolean isPage() {
return query.getRows() != null;
}
@Override
public Integer getPageIndex() {
return query.getOffset() / query.getRows() + 1;
}
@Override
public Integer getPageSize() {
return query.getRows();
}
@Override
public String getOrderByClause() {
return query.getOrderByClause();
}
@Override
public List getOredCriteria() {
return query.getOredCriteria();
}
};
}
@Override
protected SqlCriteria getSqlCriteria(Criteria criteria) {
return criteria::getCriteria;
}
@Override
protected SqlCriterion getSqlCriterion(Criterion criterion) {
return new SqlCriterion() {
@Override
public String getCondition() {
return criterion.getCondition();
}
@Override
public Object getValue() {
return criterion.getValue();
}
@Override
public Object getSecondValue() {
return criterion.getSecondValue();
}
};
}
}
以下是Mybatis查询条件Param转换为MockExample的转换逻辑:
protected MockExample convert(Param param) {
MockExample example = new MockExample<>();
// 设置条件
boolean first = true;
SqlParam sqlParam = getSqlParam(param);
for (Criteria criteria : sqlParam.getOredCriteria()) {
MockCriteria mockCriteria;
if (first) {
mockCriteria = example.createCriteria();
first = false;
} else {
mockCriteria = example.or();
}
SqlCriteria sqlCriteria = getSqlCriteria(criteria);
for (Criterion criterion : sqlCriteria.getCriteria()) {
SqlCriterion sqlCriterion = getSqlCriterion(criterion);
String condition = sqlCriterion.getCondition();
int index = condition.indexOf(NbfSymbolConstants.SPACE);
String property = NbfStringUtils.underLineToCamel(condition.substring(0, index).trim());
String getterMethod = "get" + StringUtils.capitalize(property);
String operator = condition.substring(index + 1).trim();
// 添加属性
List
不同DAO的Mock实现基本类似,只要拷贝并修改泛型参数即可。
在上述的DAO层Mock实现MockApiInfoDaoImpl中,继承了基类AbstractMockDaoImpl,这是由于同一套Mybatis插件生成的DAO接口方法类似,我们可以定义一个抽象类实现这些接口,DAO层Mock实现继承该抽象类,则不需要再去实现DAO层的接口了。其部分实现如下:
public abstract class AbstractMockDaoImpl
extends AbstractMockTunnelImpl {
public long countByQuery(Param param) {
MockExample example = this.convert(param);
return MockTunnelUtil.countByExample(this, example);
}
public int deleteByQuery(Param param) {
MockExample example = this.convert(param);
return MockTunnelUtil.deleteByExample(this, example);
}
}
这里我们介绍了完整Mock数据库的一种思路,这种Mock实现仍然存在一些缺陷:
暂时无法支持事务
无法实现数据库的特性,比如必填校验等
以上两点都可以在未来支持。它的优点也是比较明显的:
执行速度快
不依赖数据库已有数据,不会受数据库已有数据的影响,不会造成脏数据
造数据
基于以上的两个基础设施:Mock Spring容器、Mock数据库,可以使得写测试变得更加容易,对于测试中比较费时费力的造数据,也可以更加快速的实现。
在日常的集成测试中,造数据是一个比较麻烦的事情,虽然我们使用测试的RollBack机制,可以保证对现有数据无污染。但是在某些依赖已有数据的情况,则比较麻烦。如果预先造了这样的数据,可能被其他人无意修改。而且在一些查询场景,已有数据可能对测试执行结果造成干扰。
有了这套完整的Mock工具,我们可以使用线上数据进行测试,更加快捷的回归 & 发现问题。
常见造数据的两种方式:
通过属性设值。即各种New对象,Set属性
通过JSON解析文件
第一种方式的开发维护成本较高,尤其是构建大对象时。
造数据的来源,也有两种方式:
通过DO(Data Object)去造数据,即把数据直接插入数据库
通过领域对象造数据,调用Repository去创建数据
根据数据来源也分为日常、线上。显然线上数据质量远高于日常,更容易发现问题。
将数据库查询到的线上(日常)库数据,转换为领域对象,有比较大的转换成本;如果转换为DO对象,也有一定成本,但成本较低。所以本方案采用了后一种方案。
但是把数据库查询出来的数据拷贝出来,直接转换为DO所需要的JSON格式文件,也有较高的成本,所以这里直接使用字段拆分解析的方式读取其内容,再反射设值到DO对象中。这里有个问题,数据库查询出来的字段顺序可能和DO中字段定义顺序不一致,所以需要有个元信息文件,用于指定数据库查询出来数据的字段顺序。
以下是本测试框架的 TableLoadUtil#Load 方法,用于将数据库查询出来的数据转换为DO数据。第一个参数对应的文件内容是数据库查询出来的各行数据,第二个参数对应的文件内容是DO的字段顺序。
public class TableLoadUtil {
/**
* 根据元信息定义加载数据
* @param fileName 表数据文件路径
* @param metadata 表字段顺序元信息定义文件路径
* @param clazz DO类
*/
public static List load(String fileName, String metadata, Class clazz);
}
这样就实现了通过数据库数据直接快速造数据的目的,推荐使用线上数据(但对敏感数据需要脱敏),保证测试质量。
我们需要将测试涉及到的表的少量行数据(不需要全量)查询出来,并添加到对应文件中。对于复杂场景,这种造数据的方式显然更加高效。而且可以做到每个测试的数据都是重新初始化的,互相隔离不影响。这些数据还可以在不同测试间共享。不需要启动完整的Spring容器,只需要启动Mock的Spring容器,保证测试启动(无论工程多么庞大)在10秒以内,大部分测试启动在3秒以内。
比较通用的做法是在测试基类里做数据的初始化和清理,具体的测试类继承该类,以下是一个线上应用的测试基类:
public class DataPrepareBaseOnTable {
/**
* 准备数据
*/
@BeforeClass
public static void prepare() {
cleanUp();
initData(BackendServiceConfigDO.class, MockBackendServiceConfigMapperImpl.getInstance()::insert);
}
/**
* 清理数据
*/
@AfterClass
public static void cleanUp() {
MockBackendServiceConfigMapperImpl.getInstance().getCache().clear();
}
/**
* 初始化数据
*/
public static void initData(Class clazz, Consumer insertMethod) {
String objName = clazz.getSimpleName().substring(0, clazz.getSimpleName().length() -2);
List doList = TableLoadUtil.load(
"table/" + objName + "/" + objName + ".txt",
"table/Metadata/" + objName + ".txt",
clazz);
NbfListUtils.forEach(doList, insertMethod);
}
}
这里可以设置为整个测试类初始化 & 清理一次数据,也可以设置为单个测试初始化一次(推荐)。
造数据的流程大致如下:
上述小节介绍了一种,通过直接将数据库查询到的数据转为测试准备数据的方案,该方案的优点如下:
构造数据足够简单快捷
避免了测试数据被外部意外修改,数据变动过程可以通过git记录查到
各个测试之间测试数据隔离
测试执行速度快,绝大部分测试启动在10秒以内
测试数据质量较高,可完全使用线上数据
测试数据相对干净、纯粹,避免测试环境很多脏数据导致测试不稳定
以上的优点主要是相对于集成测试 + @RollBack的传统测试方式
该方案的成本主要在于:创建字段顺序文件。但对于每张表是一次性的,后续增加字段只需追加新增字段即可
可能的不足是:
如果数据库新增字段,可能需要更新对应表文件
如果测试不涉及新增字段,大部分是向前兼容的
当数据量较大时,管理表文件可能有一定成本
推荐使用文件行排序,避免插入重复数据,且要使得数据尽量少,仅包含测试需要的行数据
Mock中间件
mock中间件相对较为简单,这里仅把我们的方案做简单介绍。
只需要创建Mock对象,记录测试case情况下,日常或线上该接口的出参即可,推荐用JSON文件保存,让Mock方法根据入参加载对应的出参JSON文件作为结果返回。
也通过HashMap进行Mock即可,实现复杂度取决于需要覆盖其功能的完整性。
本文介绍了一种秒级启动的集成测试框架,使用该框架可以方便的修改和完善测试用例,使得测试用例成为测试过程的产物。测试通过之后,也同时沉淀了覆盖多种测试场景的测试用例。可以方便的使用线上数据作为数据来源,保证测试的质量。甚至在遇到线上问题时,可以将这些数据作为数据来源,用测试用例执行来反复重现 & Debug这些问题,同时沉淀线上问题的测试用例,保证后续代码改造或重构不会重新触发该故障。
团队介绍
物流技术基础技术团队,主要技术产品:NBF(New-Retail Business Framework), 提供了服务DevOps,LowCode编排和云原生基础设施能力,旨在成为新零售PaaS平台化和SaaS产品化的技术底座。
¤ 拓展阅读 ¤
3DXR技术 | 终端技术 | 音视频技术
服务端技术 | 技术质量 | 数据算法