이전 게시물에서는 테스트 방법 전/후에 Postgres 데이터베이스를 생성/드롭하는 Pytest Fixture를 만들었습니다. 이 부분에서는 Pytest 팩토리 픽스처를 사용하여 픽스처를 더욱 유연하고 구성 가능하도록 개선하고 싶습니다.
정적 고정물의 한계
예를 들어 테스트에서 모의할 데이터베이스가 두 개 이상인 경우
def test_create_user(test_db1, test_db2): ...
거의 두 개의 동일한 조명기를 만들어야 합니다.
TEST_DB_URL = "postgresql://localhost" TEST_DB1_NAME = "test_foo" TEST_DB2_NAME = "test_bar" @pytest.fixture def test_db1(): with psycopg.connect(TEST_DB_URL, autocommit=True) as conn: cur = conn.cursor() cur.execute(f'DROP DATABASE IF EXISTS "{TEST_DB1_NAME}" WITH (FORCE)') cur.execute(f'CREATE DATABASE "{TEST_DB1_NAME}"') with psycopg.connect(TEST_DB_URL, dbname=TEST_DB1_NAME) as conn: yield conn cur.execute(f'DROP DATABASE IF EXISTS "{TEST_DB1_NAME}" WITH (FORCE)') @pytest.fixture def test_db2(): with psycopg.connect(TEST_DB_URL, autocommit=True) as conn: cur = conn.cursor() cur.execute(f'DROP DATABASE IF EXISTS "{TEST_DB2_NAME}" WITH (FORCE)') cur.execute(f'CREATE DATABASE "{TEST_DB2_NAME}"') with psycopg.connect(TEST_DB_URL, dbname=TEST_DB2_NAME) as conn: yield conn cur.execute(f'DROP DATABASE IF EXISTS "{TEST_DB2_NAME}" WITH (FORCE)')
Pytest 고정물 공장
여기에서는 "정적" 고정 장치가 약간 제한됩니다. 약간의 차이만 있으면 거의 동일하게 필요한 경우 코드를 복제해야 합니다. 다행히 Pytest에는 공장을 고정 장치로 개념이 있습니다.
Factory Fixture는 또 다른 Fixture를 반환하는 Fixture입니다. 모든 Factory와 마찬가지로 함수이기 때문에 반환된 Fixture를 사용자 정의하기 위한 인수를 받아들일 수 있습니다. 관례적으로 make_test_db와 같이 make_* 접두사를 붙일 수 있습니다.
특수 설비
픽스처 팩토리 make_test_db에 대한 유일한 인수는 생성/삭제할 테스트 데이터베이스 이름입니다.
그러므로 make_test_db 팩토리 픽스처를 기반으로 두 개의 "특수" 픽스처를 만들어 보겠습니다.
사용 방법은 다음과 같습니다.
@pytest.fixture def test_db_foo(make_test_db): yield from make_test_db("test_foo") @pytest.fixture def test_db_bar(make_test_db): yield from make_test_db("test_bar")
참고: 수확량
수익률을 보셨나요? 생성기 내에서 데이터 흐름과 제어를 처리하는 방법에 따라 수율과 수율 사이에 주요 차이점이 있습니다.
Python에서는 yield와 Yield from이 모두 생성기 함수 내에서 사용되어 일련의 값을 생성합니다. 그러나
- Yield는 생성기 함수의 실행을 일시 중지하고 호출자에게 단일 값을 반환하는 데 사용됩니다.
- yield from은 값 생성을 다른 생성기에 위임하는 데 사용됩니다. 기본적으로 중첩된 생성기를 "평평화"하여 생성된 값을 외부 생성기의 호출자에게 직접 전달합니다.
즉, 우리는 전문 고정 장치가 아닌 고정 장치 공장에서 "양보"하고 싶습니다. 따라서 여기서는 Yield from이 필요합니다.
데이터베이스 생성/삭제를 위한 픽스처 팩토리
원래 픽스처 생성/삭제 데이터베이스에 필요한 변경 사항은 실제로 코드를 내부 함수로 래핑하는 것 외에는 거의 없습니다.
@pytest.fixture def make_test_db(): def _(test_db_name: str): with psycopg.connect(TEST_DB_URL, autocommit=True) as conn: cur = conn.cursor() cur.execute(f'DROP DATABASE IF EXISTS "{test_db_name}" WITH (FORCE)') # type: ignore cur.execute(f'CREATE DATABASE "{test_db_name}"') # type: ignore with psycopg.connect(TEST_DB_URL, dbname=test_db_name) as conn: yield conn cur.execute(f'DROP DATABASE IF EXISTS "{test_db_name}" WITH (FORCE)') # type: ignore yield _
보너스: 마이그레이션 픽스처를 공장 픽스처로 다시 작성
이전 부분에서는 방금 생성된 빈 데이터베이스에 Yoyo 마이그레이션을 적용하는 픽스쳐도 있었습니다. 또한 그다지 유연하지도 않았습니다. 동일한 작업을 수행하고 실제 코드를 내부 함수로 래핑해 보겠습니다.
이 경우 코드는 테스트 메서드에서 반환된 후 정리 작업을 수행할 필요가 없기 때문에(수익률 없음)
- 팩토리 픽스쳐는 (수율이 아닌) 내부 함수를 반환합니다
- 특수 설비 호출(양보하지 않음) 공장 설비
@pytest.fixture def make_yoyo(): """Applies Yoyo migrations to test DB.""" def _(test_db_name: str, migrations_dir: str): url = ( urlparse(TEST_DB_URL) . _replace(scheme="postgresql+psycopg") . _replace(path=test_db_name) .geturl() ) backend = get_backend(url) migrations = read_migrations(migrations_dir) if len(migrations) == 0: raise ValueError(f"No Yoyo migrations found in '{migrations_dir}'") with backend.lock(): backend.apply_migrations(backend.to_apply(migrations)) return _ @pytest.fixture def yoyo_foo(make_yoyo): migrations_dir = str(Path(__file__, "../../foo/migrations").resolve()) make_yoyo("test_foo", migrations_dir) @pytest.fixture def yoyo_bar(make_yoyo): migrations_dir = str(Path(__file__, "../../bar/migrations").resolve()) make_yoyo("test_bar", migrations_dir)
두 개의 데이터베이스가 필요하고 여기에 마이그레이션을 적용하는 테스트 방법:
from psycopg import Connection def test_get_new_users_since_last_run( test_db_foo: Connection, test_db_bar: Connection, yoyo_foo, yoyo_bar): test_db_foo.execute("...") ...
결론
Pytest 방법에 대한 데이터베이스를 생성하고 삭제하는 자체 픽스처 팩토리를 구축하는 것은 실제로 Python 생성기와 연산자의 산출량/수익률을 연습하는 데 좋은 연습입니다.
이 기사가 귀하의 데이터베이스 테스트 스위트에 도움이 되었기를 바랍니다. 궁금한 점은 댓글로 남겨주시면 즐거운 코딩 되세요!
위 내용은 Pytest 및 PostgreSQL: 모든 테스트를 위한 새로운 데이터베이스(2부)의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

2 시간 이내에 Python의 기본 프로그래밍 개념과 기술을 배울 수 있습니다. 1. 변수 및 데이터 유형을 배우기, 2. 마스터 제어 흐름 (조건부 명세서 및 루프), 3. 기능의 정의 및 사용을 이해하십시오. 4. 간단한 예제 및 코드 스 니펫을 통해 Python 프로그래밍을 신속하게 시작하십시오.

Python은 웹 개발, 데이터 과학, 기계 학습, 자동화 및 스크립팅 분야에서 널리 사용됩니다. 1) 웹 개발에서 Django 및 Flask 프레임 워크는 개발 프로세스를 단순화합니다. 2) 데이터 과학 및 기계 학습 분야에서 Numpy, Pandas, Scikit-Learn 및 Tensorflow 라이브러리는 강력한 지원을 제공합니다. 3) 자동화 및 스크립팅 측면에서 Python은 자동화 된 테스트 및 시스템 관리와 같은 작업에 적합합니다.

2 시간 이내에 파이썬의 기본 사항을 배울 수 있습니다. 1. 변수 및 데이터 유형을 배우십시오. 이를 통해 간단한 파이썬 프로그램 작성을 시작하는 데 도움이됩니다.

10 시간 이내에 컴퓨터 초보자 프로그래밍 기본 사항을 가르치는 방법은 무엇입니까? 컴퓨터 초보자에게 프로그래밍 지식을 가르치는 데 10 시간 밖에 걸리지 않는다면 무엇을 가르치기로 선택 하시겠습니까?

Fiddlerevery Where를 사용할 때 Man-in-the-Middle Reading에 Fiddlereverywhere를 사용할 때 감지되는 방법 ...

Python 3.6에 피클 파일로드 3.6 환경 보고서 오류 : modulenotfounderror : nomodulename ...

경치 좋은 스팟 댓글 분석에서 Jieba Word 세분화 문제를 해결하는 방법은 무엇입니까? 경치가 좋은 스팟 댓글 및 분석을 수행 할 때 종종 Jieba Word 세분화 도구를 사용하여 텍스트를 처리합니다 ...

정규 표현식을 사용하여 첫 번째 닫힌 태그와 정지와 일치하는 방법은 무엇입니까? HTML 또는 기타 마크 업 언어를 다룰 때는 정규 표현식이 종종 필요합니다.


핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

MinGW - Windows용 미니멀리스트 GNU
이 프로젝트는 osdn.net/projects/mingw로 마이그레이션되는 중입니다. 계속해서 그곳에서 우리를 팔로우할 수 있습니다. MinGW: GCC(GNU Compiler Collection)의 기본 Windows 포트로, 기본 Windows 애플리케이션을 구축하기 위한 무료 배포 가능 가져오기 라이브러리 및 헤더 파일로 C99 기능을 지원하는 MSVC 런타임에 대한 확장이 포함되어 있습니다. 모든 MinGW 소프트웨어는 64비트 Windows 플랫폼에서 실행될 수 있습니다.

PhpStorm 맥 버전
최신(2018.2.1) 전문 PHP 통합 개발 도구

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

SublimeText3 영어 버전
권장 사항: Win 버전, 코드 프롬프트 지원!

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경
