导游
在《从头到脚说单测——谈有效的单元测试（上篇）》中，主要介绍金字塔模型、为什么单方面、单方面阶段、指标等，下一篇介绍mock，以及如何不滥用Mock、用法编纂战略等更多精彩内容。
7.一定要说马克。
Test doubles
在《xUnit Test Patterns》一书中，作者首次提出了测试替身的概念。我们经常挂在嘴边的mock只是其中之一，是最容易与Stub(打桩)混淆的东西之一。从上一节对gomonkey的介绍可以看出，我没有使用mock。都是Stub。是的，gomonkey不是mock工具，只是高级打桩工具，很适合大多数使用场景。
测试频带，共5种：
多米对象(电视剧)
用于传递给调用方但实际上未使用的对象。通常只用于填充参数列表
Teststub
Stubs通常用于在测试中提供封装的响应。例如，编程设置不响应所有调用。Stubs还记录调用的记录。例如，电子邮件网关就是一个很好的例子，可以用来记录发送的所有信息或发送的信息的数量。简而言之，Stubs通常是真实对象的封装
Testspy
Test Spy像间谍一样放置在SUT内部，负责向外部传递SUT内部的间接输出(indirect outputs)。其特点是将内部间接输出返回测试案例，由测试案例进行验证。tespier不负责只获取内部信息，发送信息，验证信息的准确性。
Mock Object
封装适用于已建立的调用方法和需要响应的参数的对象
Fakeobject
Fake对象通常与类实现一起工作，但这是为了确保其他程序(如内存数据库)能够正常工作。
Stub和mock
木桩和mock应该是最容易混淆的，习惯上我们统一使用MoCK来描述毛衣耳朵能力，习惯成自然，经常把MoCK挂在嘴里。)
据我所知，stub可以理解为mock的子集，mock更强大。
MOCK可验证实施过程，并确认函数是否已运行，以及是否运行了多次。
Mock可以有条件地应用(例如，必须传递特定参数，mock效果才能生效)
Mock可以指定返回的结果
当指定任何参数返回固定结果时，Mock等于stub
但是，gomock工具Gomock仅作为界面运行，不适合新闻、企鹅项目。gomonkey的stub涵盖了大多数使用场景。
8.不要滥用mock
我把这部分一张一张地分开放，表明了它的重要意义。要读肖鹏的《mock七宗罪》。在gitchat。
两个门派
大约在2004-2005年间，江湖上形成了两大门派：古典测试驱动开发派和mockist(mock极端派)。
我先说mockist。他主张由测量的函数调用的所有外部函数，所有的mock。也就是说，只关注被测试函数本身的代码行，只要调用其他函数，都是mock掉的，用假数据测试。
此外，经典测试驱动开发派主张不要滥用mock，可以在没有mock的情况下进行mock，测试的单位也不一定是具体的函数。可能是多个函数，也可能是相连的。在需要的时候再次mock。
两个门派相争多年，理论各有利弊，至今仍共存。存在就是合理的。例如，mockist不能使用太多的mock复盖函数接口。这部分容易出错。古典派，绳子太多，还有综合测试的嫌疑。
对于实际应用程序，不需要强制遵循特定的派别。只要结合就行了。需要的时候mock，尽可能少的mock，不需要苦恼。
什么时候适合mock
如果对象具有以下特性，建议使用mock对象：
该对象提供不确定的结果(例如，当前时间或当前温度)
很难创建或再现对象的某些状态(例如，网络错误或文件读写错误)
对象方法的执行太慢(例如，在测试开始之前初始化数据库)
此对象尚未存在，或者行为可能会发生变化(例如，以测试为中心的开发驱动新类的创建)
此对象必须包含专门为测试而准备的数据或方法，这些测试不适用于静态类型语言，广泛使用的Mock框架不能向对象添加新方法。斯图布可以。)。
因此，不要滥用mock(stub)。在测试的方法中调用其他方法函数时，第一个反应必须进到里面，而不是从根部掉mock。
Ix。用例设计方法
看了一篇文章：像机器一样思考
章鱼
章讲述思考程序设计的根本思路——考虑输入输出。我们设计case，想要得到最全面的设计，根本是考虑全输入全输出的组合，当然，一方面，这么做耗时太大，很多时候是不可执行的；一方面，这不是想要的结果，要考虑投入产出比。这时，需要理论与实践相结合，理论指导实践，实践精细理论。先说理论
1. 还是从上篇文章说起，考虑输入、输出，就要先知道哪些属于输入输出：
2. 白盒&黑盒设计
白盒法：
·逻辑覆盖（语句、分支、条件、条件组合等）
·路径（全路径、最小线性无关路径）
·循环：结合5种场景（跳过循环、循环一次，循环最大次，循环m次命中、循环m次未命中）
黑盒法：
等价类：正确的，错误的（合法的，非法的）
边界法：[1，10] ==> 0，1，2，9，10，11（是等价类的有效补充）
3. 结合应用
全输入输出，实施难度较大，转而我们思考到业内大神们设计出白盒黑盒设计法，通过仔细思考，可以判断出是对全输入全输出的方法论体现。
因此，白盒&黑盒用例设计法，每一种我都亲自实践，理解其优缺点，从设计覆盖角度，条件组合>最小线性无关路径>条件>分支>语句。
下面这张图，是我早期思考用例设计时的一次实践，现在回忆起来，它过度设计了。
但实际中，我们担心“过度设计”，也还无法给出答案“用什么方法设计保证万无一失”。
·过度设计，也会使case脆弱
·在有限的时间内，我们寻求收益较大化
1. 小函数&重要（计算，对象处理）：尽量设计全面
2. 逻辑较重，代码行数较多：分支、语句覆盖 + 循环 +典型的边界处理（我们看个例子：GetUserGiftList）
3. 引出“基于实现”与“基于意图”的设计：过多去Stub被测函数内部的调用，就越接近“基于实现”（第二次提到“基于意图”）
十. 基于意图与基于实现
这个话题是非常重要的。
基于意图：思考函数最终想做什么，把被测函数当做黑盒，考虑其输出输出，而不要关注其中间是怎样实现的，究竟生成了什么临时变量，循环了几次，有什么判断等。
基于实现：输入输出我也考虑，中间怎么实现的我也考虑。mock就是一个好例子，比如我们写一个case，我们会用mock去验证函数内是否调用了哪个外部方法、调用了几次，语句的执行顺序是怎样的。程序的变动比需求还快，重构随时都有，稍有一变，case大批量失败，这也是《mock七宗罪》中提到的一种情况。
我们要的是基于意图，远离基于实现。
结合实战经验，我总结如下：
1. “要么写好，要么不写”。case也是代码，也需要维护，也有工作量，所以要写的到位，而不是写得多。写了一堆没用的，你还得维护，不如删了。
2. 拿到一个函数，先问问自己，这个函数要实现什么功能，最终输出是什么；然后，问自己，这个函数的风险在哪里，哪部分逻辑不太自信，最容易出错（计算、复杂的判断、某异常分支的命中等）。这些才是我们case要覆盖的点。
3. 内联函数、直接get/set，没几行没什么逻辑的，只要你判断没什么风险，就不用写case。
4. 确定了要写的case，再用分支条件组合、边界等核心方面设计出具体用例，实施编写。
可以结合新闻几次单测case review记录，来详细理解。
我们看一个具体的case：
1. 拿到这个函数，作为测试同学的我先向开发了解该函数的意图：对符合格式、符合时间的用户礼物进行加和
2. 读代码，了解了代码流程、几个异常分支，先做了code review
3. 根据必要的异常分支，设计case覆盖
4. 对正常的业务流程，是按照开发讲述的函数意图，进行设计，case如下：
被测函数
正常路径的单测case
func TestNum_CorrectRet(t *) {
giftRecord := map[string]string{
"1:1000": "10",
"1:2001": "100",
"1:999": "20",
"2": "200",
"a": "30",
"2:1001": "20",
"2:999": "200",
}
expectRet := map[int]int{
1: 110,
2: 20,
}
var s *redis.xxx
patches := gomonkey.ApplyMethod(s), "Getxxx", func(_ *redis.xxx, _ string)(map[string]string, error) {
return giftRecord, nil
})
defer ()
p := &StarData{xxx }
userStarNum, err := p.GetNum(10000)
a(t, err)
a(t, Calorie.StructToString(expectRet), Calorie.StructToString(userStarNum))
}
有同学会问到：但是你最终还是看的代码呀？看到代码的正确逻辑是怎么处理的，再去设计的case和构造数据吧？而且你不看代码，怎么知道有哪些异常分支要覆盖呢？
答：1. 我现在作为测试同学写开发同学的case，确实需要知道有哪些异常分支要处理， 但不局限于代码中的几种，还应该包括我理解到的异常分支，都要体现在case中。我们的case绝不是为了证明代码是怎么实现的！通过单测，我们经常能够发现bug。但是将来是开发来写单测的，他自己设计的函数肯定知道要覆盖哪些异常分支。
2. 嗯，我需要看代码的正常流程是怎样的，但不代表着把代码扒下来以设计出case。case实际上是通过与开发的沟通后，了解输入数据的结构，输出的格式，数据校验和计算的过程，去设计输入输出的。
十一. 用例编写的策略
对于怎么个顺序去写单测，我们重点实践了一番，基本上也就三种情况吧：
·独立原子：mockist，被我们推翻了。当然，最底部的函数可能没有外部依赖，那单测它就够了。
·自上而下（红线）：从入口函数往下测。实践的过程中，我发现很难执行，因为我从入口处就要想好每一次调用都需要返回哪些数据及格式，串起来一个case已经非常不易。
·自下而上(黄线)：我们发现，入口函数，往往没什么逻辑，调用另一个函数然后拿到响应返回。所以入口函数，也许不用写？我们继续往下看，每一次调用的函数都看，也调出了以往的线上线下bug，我们发现出现问题的代码部分往往是调用链的底端，尤其是涉及计算、复杂分支循环等。而且，底端的函数往往可测性较好。
因此，考虑两方面，我们选择自下而上设计来选择函数编写case：
1. 底部的函数可测性通常很好
2. 核心逻辑比较多，尤其涉及计算、拼接，分支的。
十二. 可测性问题的解决——重构
导致无法写单测的重要原因是，代码可测性不好。如果一个函数八九十行、二三百行，基本就是不可测的，或者说“不好测的”。因为里面逻辑太多了，从第一行到最后一行都经历了什么，各种函数调用外部依赖，各种if/for，各种异常分支处理，写一个case的代码行数可能是原函数的几倍。
因此，推动单测走下去，重构提升可测性是必须环节。而且，通过重构，代码结构间接清晰了，更可读可维护，更容易发现和定位问题。
常见的问题：重复代码、魔法数字、箭头式的代码等
推荐的理论书籍是《重构：改善既有代码的设计》第二版、《clean code》
我输出了一篇关于重构的文章。
使用codecc（腾讯代码检查中心）的圈复杂度、函数长度来评估代码结构质量，我们与开发一起学习，一起实践，不断有成果输出。
对于箭头式的代码，可考虑如下步骤：
1. 多使用卫语句，先判断异常，异常return
2. 将判断语句抽离
3. 将核心部分抽离为函数
十三. 用例维护，可读性、可维护性、可信赖性
用例设计要素
·将内部逻辑与外部请求分开测试
·对服务边界（interface）的输入和输出进行严格验证
·用断言来代替原生的报错函数
·避免随机结果
·尽量避免断言时间的结果
·适时使用setup和teardown
·测试用例之间相互隔离，不要相互影响
·原子性，所有的测试只有两种结果：成功和失败
·避免测试中的逻辑，即不该包含if、switch、for、while等
·不要保护起来，try…catch…
·每个用例只测试一个关注点
·少用sleep，延缓测试时长的行为都是不健康的
·3A策略：arrange，action，assert
用例可读性
· 标题要明确表明意图，如Test+被测函数名+condition+result。case失败后，通过名字就知道哪个场景失败，而不用一行行再读代码。将来维护这个测试代码的，可能是其他人，我们需要让别人容易读懂
·测试代码的内容要清晰，3A原则：arrange，action，assert 分成三部分。数据准备部分arrange如果代码行较多，考虑抽离出去。
·断言的意图明显，可以考虑将魔法数字变为变量，命名通俗易通
·一个case，不要做过多的assert，要专一
·和业务代码的要求一致，都要可读
用例可维护性
·重复：文本字符串重复、结构重复、语义重复
·拒绝硬编码
·基于意图的设计。不要因为业务代码重构一次，就导致一批case失败
·注意代码的各种坏味道，可参见《重构》第二版
用例可信赖性
单元测试，小而且运行快，它不是为了发现本次的bug，更是为了放在流水线上 努力发现每一次MR是否产生了bug。单测运行失败，唯一的原因只应该是出现bug，而不是因为外部依赖不稳定、基于实现的涉及等，长期的失败将失去单元测试的警示作用，“狼来了”的故事是惨痛的教训。
·非被测程序缺陷，随机失败的case
·永不失败的case
·没有assert的case
·名不副实的case
十四. 新闻单元测试的推动过程
我们提到，对单元测试的实践分为4个阶段，每阶段均有目标。
第一阶段 会写，全员写，不要求写好
·由上而下的推动，从总监到组长，极力支持，毫无犹豫，使组员情绪高涨
·快速确定单测框架，熟练使用
·结合开发需求，输出各场景下 单测框架的使用方法，包括assert、mock，table-driven等
·封装http2WebContext，方便生成context对象
·多次培训，讲解单测理论及框架使用
·各团队（终端、接入层）指定单测接口人，由他先尝螃蟹。他是最熟悉框架使用，在前期写最多case的人
·在磨合好单测框架的集成使用后，启动会，部分同学先试点使用，确保连续两个迭代，这几个同学都有case输出
·每个迭代总结数据中，加入单测相关数据：组长和总监非常关注单测数据信息，针对性鼓励提升case数量和代码行数
第二阶段 写好，有效，全员写
· 测试同学探索出mock的正确使用方法、用例设计的正确思路，分享给团队，经过探讨达成一致
· 结对编程，每迭代结对2-3个开发，共同写case，互相提升。
这里的结对是灵活的：有的开发，只需用半天的时间给他讲框架使用，同他练习，他就可以上手了不需要再担心；有的开发，会分给测试同学需求，测试同学写完case后，开发review学习，并尝试写出自己的第一个case；有的开发，一开始可能不太接受，以需求不适合单测为理由，观察了一段时间，他发现其他人都写了，也没那么难，对团队也有利，他甚至会主动找到测试同学教他写case。
·测试同学对开发提交的case进行review，跟进开发修改后重新MR
·连续两个迭代，邀请dot老师、乔帮主进行case review，效果非常好
·对迭代的单测数据分析，关注需求覆盖度、人员覆盖度，case增量
·组长持续鼓励支持单测
·每迭代的需求增加“单元测试”字段，由组长评估后置位。不带单测的MR不予通过，单测也要被review
第三阶段 可测性提升
·测试和开发共同学习《重构》第二版，每周有分享会
·某些骨干同学优先重构自己的代码
·测试同学严格要求，先保证有单测，然后小步重构，每一步均有单测保障
·通过流水线的codecc扫描，圈复杂度和函数长度必须达标，不可人工干预其通过
第四阶段 TDD
·先不保证开发同学做到TDD，门槛还是挺高的，而且需要在线下熟练之后再运用到业务开发中
·逐步推动开发将业务代码和测试代码同步编写，而不是完成业务代码后再补case
·测试同学练成TDD
十五. 流水线
单测要放在流水线上跑，客户端和后台都配好了流水线，保证每次push和MR都运行一次，发报告。
对于go的单测，新闻接入层各模块是通过MakeFile来编译，因为要导入一些环境变量，所以我将go test集成在MakeFile中，执行make test即可运行该模块下所有的测试用例。
GO = go
CGO_LDFLAGS = xxx
CGO_LDFLAGS += xxx
CGO_LDFLAGS += xxx
CGO_LDFLAGS += xxx
TARGET =aaa
export CGO_LDFLAGS
all:$(TARGET)
$(TARGET): main.go
$(GO) build -o $@ $^
test:
CFLAGS=-g
export CFLAGS
$(GO) test $(M) -v -gcflags=all=-l -coverpkg=./... -coverprofile= ./...
clean:
rm -f $(TARGET)
注：上述做法，只能生成被测试的代码文件的覆盖率，无法拿到未被测试覆盖率情况。可以在根目录建一个空的测试文件，就能解决这个问题，拿到全量代码覆盖率。
package main
import (
"fmt"
"testing"
)
func TestNothing(t *) {
("ok")
}
流水线加上流程
# cd ${WORKSPACE} 可进入当前工作空间目录
export GOPATH=${WORKSPACE}/xxx
pwd
echo "====================work space"
echo ${WORKSPACE}
cd ${GOPATH}/src
for file in `ls`:
do
if [ -d $file ]
then
if [[ "$file" == "a" ]] || [[ "$file" == "b" ]] || [[ "$file" == "c" ]] || [[ "$file" == "d" ]]
then
echo $file
echo ${GOPATH}"/src/"$file
cp -r ${GOPATH}/src/tools/qatesting ${GOPATH}/src/$file"/."
cd ${GOPATH}/src/$file
make test
cd ..
fi
fi
done
附录. 资料
·《测试驱动开发》
·《单元测试的艺术》
·《有效的单元测试》
·《重构，改善既有代码的设计》
·《修改代码的艺术》
·《测试驱动开发的三项修炼》
·《xUnit Test Patterns》
·mock七宗罪
关注腾讯WeTest，了解更多热门测试产品：首页 - 腾讯WeTest-All Test in WeTest