一. 为单元测试“正名”我曾经认为，单元测试面向的是一个函数。
任何走出一个函数的测试，都不是单元测试。
其实，对“单元”的定义取决于自己。如果你正在使用函数式编程，一个单元最有可能指的是一个函数。你的单元测试将使用不同的参数调用这个函数，并断言它返回了期待的结果；在面向对象语言里，下至一个方法，上至一个类都可以是一个单元（从一个单一的方法到一整个的类都可以是一个单元）。意图很重要（“意图”二字是本文中初次提到，它很重要）
咱们有单元测试、增量测试、集成测试、回归测试、冒烟测试等等，名字非常多。谷歌看到这种“百家争鸣”的现象，创立了自己的命名方式，只分为小型测试、中型测试和大型测试。
·小型测试，针对单个函数的测试，关注其内部逻辑，mock所有需要的服务。
小型测试带来优秀的代码质量、良好的异常处理、优雅的错误报告
·中型测试，考证两个或多个制定的模块应用之间的交互
·大型测试，也被称为“系统测试”或“端到端测试”。大型测试在一个较高层次上运行，考证系统作为一个全体是如何工作的。
结论：咱们的单元测试，既可以针对一个函数写case，也完全可以遵从函数的调用关系串起来写case。
二. 金字塔模型在金字塔模型之前，流行的是冰淇淋模型。内含了大量的手工测试、端到端的自动化测试及少量的单元测试。造成的后果是，随着产品壮大，手工回归测试期间越来越长，质量很难把控；自动化case频频失败，每一个失败对应着一个长长的函数调用，到底哪里出了问题？单元测试少的可怜，基本没作用。
Mike Cohn 在他的着作《Succeeding with Agile》一书中提出了“测试金字塔”这个概念。这个比喻非常形象，它让你一眼就知道测试是需要分层的。它还告诉你每一层需要写多少测试。
测试金字塔本身是一条很好的经验法则，咱们最好记住Cohn在金字塔模型中提到的两件事：
·编写不同粒度的测试
·层次越高，你写的测试应该越少
同时，咱们对金字塔的理解绝不能止步于此，要进一步理解：
我把金字塔模型理解为——冰激凌融化了。就是指，最顶部的“手工测试”理论上全部要自动化，向下融化，优先全部考虑融化成单元测试，单元测试覆盖不了的 放在中间层（分层测试），再覆盖不了的才会放到UI层。因此，UI层的case，能没有就不要有，跑的慢还不稳定。遵从乔帮主的说法，我不分单元测试还是分层测试，统一都叫自动化测试，那就应该把所有的自动化case看做一个全体，case不要冗余，单元测试能覆盖，就要把这个case从分层或ui中去掉。
越是底层的测试，牵扯到相关内容越少，而高层测试则涉及面更广。比如单元测试，它的关注点只有一个单元，而没有其它任何物品。所以，只要一个单元写好了，测试就是可以通过的；而集成测试则要把好几个单元组装到一起才能测试，测试通过的前提条件是，所有这些单元都写好了，这个周期就明显比单元测试要长；系统测试则要把整个系统的各个模块都连在一起，各种数据都准备好，才可能通过。
另外，因为涉及到的模块过多，任何一个模块做了调整，都有可能破坏高层测试，所以，高层测试通常是相对比较脆弱的，在实际的工作中，有那么一些高层测试会牵扯到外部系统，这样一来，复杂度又在不断地提升。
三. 为什么做单测
这个问题咱们规避不掉。新闻是这次研发模式改革的主力军之一，所以自上而下的推动让这个问题不那么棘手：做了就是做了。不做，却又有那么多的理由：
（搜集到的评论真实声音）
· 单元测试浪费了太多的期间
· 单元测试仅仅是证明这些代码做了什么
· 我是很棒的程序员，我是不是可以不进行单元测试？
· 后面的集成测试将会抓住所有的bug
· 单元测试的成本效率不高我把测试都写了，那么测试人员做什么呢？
· 公司请我来是写代码，而不是写测试
· 测试代码的正确性，并不是我的工作
单元测试的意义·单元测试对咱们的产品质量是非常重要的。
·单元测试是所有测试中最底层的一类测试，是第一个环节，也是最重要的一个环节，是唯一一次有保证能够代码覆盖率达到100%的测试，是整个应用测试过程的基本和前提，单元测试防止了研究的后期因bug过多而失控，单元测试的性价比是最好的。
·据统计，大约有80%的错误是在应用设计阶段引入的，并且修正一个应用错误需求的费用将随着应用*命期的进展而上升。错误发现的越晚，修造复原它的费用就越高，而且呈指数增长的趋势。作为编码人员，也是单元测试的主要执行者，是唯一能够做到*产出无缺陷程序这一点的人，其他任何人都无法做到这一点
·代码规范、优化，可测试性的代码
·放心重构
·自动化执行three-thousand times
下面这张图，来自微软的统计数据：bug在单元测试阶段被发现，平均耗时3.25小时，如果漏到系统测试阶段，要花费11.5小时。
下面这张图，旨在说明两个问题：85%的缺陷都在代码设计阶段产*，而发现bug的阶段越靠后，耗费成本就越高，指数级其他增高。所以，在初期的单元测试就可以发现bug，节省时间节省力气，一劳永逸，何乐而不为呢。
单元测试特别耗时？不能一刀切，不能只盯着单测阶段的耗时。
我采访了新闻客户端、后台的研究，首先肯定的是，单测会增加研究量、增加研究时长；
在《单元测试的艺术》这本书提到一个案例：找了研究能力相近的两个团队，同时研究相近的要求。进行单测的团队在编码阶段时长增长了一倍，从7天到14天，但是，这个团队在集成测试阶段的表现非常顺畅，bug量小，定位bug迅速等。最终的效果，全体交付期间和缺陷数，均是单测团队最少。
单测，存在即合理。一方面，需要把单测放在整个迭代周期来观测其效果；一方面，写单测也是技术活，写得好的同学，期间少代码质量高（也即，不是说写了单测，就可以写好单测）
谁来写单测呢？·研究同学写单测
·测试同学具有写单测的能力。重点在于研究脚手架、分层测试/端到端测试
增量还是存量·单测case针对增量代码
·当存量代码出现大规模重构，后者质量暴露出极大危险时，都是推动补全单测的好时机
四. 单元测试的阶段一. 广义的单元测试，咱们指这三部分的有机组合：
·code review
·静态代码扫描
·单元测试用例编写
二. 结合新闻的实践，我把单测成长的过程分为4个目标，分别为：
·会写，全员可写
·写的好，同时关注可测性问题，试点解决
·识别可测性问题，熟练使用重构方法进行重构；识别代码架构设计问题；case与业务代码同步编写
·TDD。但这个目标是期望，不能作为一定实现的目标。
截至发稿当天，新闻处于第三阶段，即，每个迭代均能产出高质量的case，人数覆盖和要求覆盖均较高；关注重点在于可测性，时刻注重重构。
五. 单元测试的指标还挺尴尬的，不太有直接的指标去衡量单测的效果。咱们也经常被问到，“怎么证明你们新闻单测的作用呀？”
·bug类指标（间接指标）：连续迭代的bug总数趋势、迭代内新建bug的趋势、千行bug率
·单测的要求覆盖度（50%以上），参与人员覆盖度（80%以上）
·单测case总数趋势，代码行增量趋势
·增量代码的行覆盖率（接入层80%，客户端30%）
·单函数圈复杂度（低于40），单函数代码行数（低于80），扫描告警数
在迭代要求持续高吞吐量的前提下，以新闻iOS的数据为例：
六. go单元测试框架选型基本选型：testify + gomonkey
附加：
前提·测试文件，以_test.go结尾，与被测文件放于相同目录
·测试函数，函数名以Test开头，并且随后的第一个字符一定为大写字母或下划线，如：TestParseReq_CorrectNum_TableDriven
·测试函数，参数为t *testing.T；对于bench测试，参数为b *testing.B
·运行命令行，我的文章有深入教学：go test命令行
testify常规用法
testify基于gotesting编写，所以语法上、执行命令行与go test完全兼容
支持大量高效的api，比如：
assert.Equal：常规对比，是把两者分别换成[]byte去严格比对
assert.Nil：判断对象为nil时，有时对err判空时也用
assert.Error：判断err的具体类型和内容
assert.JSONEq：这个比较有用，对比map时；或者对比struct的时候，也会先转为map，在用这个api去做对比，如下面这个例子，我封装了建议的方法去将struct转换为string(json)：
· 支持suite，用例集管理
· 运行时，可以指定用例集执行
· 自带mock工具，但只支持接口方法的mock，而且用法相对复杂
· table-driven
gomonkey用法（蓝色字体表示常用）
·支持为一个函数打一个桩
·支持为一个成员方法打一个桩
·支持为一个全局变量打一个桩
·支持为一个函数变量打一个桩
·支持为一个函数打一个特定的桩序列
·支持为一个成员方法打一个特定的桩序列
·支持为一个函数变量打一个特定的桩序列
·table-driven的方式定义一系列stub
注意，对内联函数的Stub，go test命令行一定要加上参数才可*效。见官方文档。所以，我的命令行默认加上-gcflags=all=-l就行了。
我设置了一些goland的代码模板，放在附件中。
ApplyFunc是对外部函数Stub（非类方法）
/* 用法：gomonkey.ApplyFunc(被stub函数名, 被stub函数签名) 函数返回值
*例子：
patches := gomonkey.ApplyFunc(fake.Exec, func(_ string, _ …string) (string, error) {
return outputExpect, nil
patches := gomonkey.ApplyFunc(lcache.GetCache, func(_ string) (interface{}, bool) {
return getCommentsResp()
defer patches.Reset()
ApplyMethod是对类函数Stub。但这里注意，要被stub的方式是私有方法，gomonkey通过反射是找不到的，有两种解决方法：1）使用增强版的gomonkey；2）不Stub它，而是选择走进这个函数，这个话题在后面专题谈mock的时候说。
/* 用法：gomonkey.ApplyMethod(反射类名, 被stub函数签名) 函数返回值
*例子：
var s *fake.Slice
patches := ApplyMethod(reflect.TypeOf(s), “Add”, func(_ *fake.Slice, _ int) error {
return nil
var ac *auth.AuthCheck
patches := gomonkey.ApplyMethod(reflect.TypeOf(ac), “PrepareWith {
return fmt.Errorf(“prepare with nil object”)
defer patches.Reset()
ApplyMethodSeq是对同一个Stub的函数返回不同的结果
/* 用法：gomonkey.ApplyMethodSeq(类的反射，”被stub函数名”, 返回结构体)；
Params{info1},中括号内为被stub函数的返回值列表；
Times为*效次数
*例子：
e := &fake.Etcd{}
info1 := “hello cpp”
info2 := “hello golang”
info3 := “hello gomonkey”
outputs := []OutputCell{
{Values: Params{info1, nil}},
{Values: Params{info2, nil}},
{Values: Params{info3, nil}},
patches := ApplyMethodSeq(reflect.TypeOf(e), “Retrieve”, outputs)
defer patches.Reset()
conn := &redis.RedisConn{}
patch1 := gomonkey.ApplyFunc(redis.NewRedis {
conn := &redis.RedisConn{
redis.RedisConfig{},
&redis.RedisHelper{},
return conn
defer patch1.Reset()
// mock redis data. 返回空和不为空的情况
outputCell := []gomonkey.OutputCell{
{Values: gomonkey.Params{“12”, nil}, Times: 1},
{Values: gomonkey.Params{“”, nil}, Times: 1},
patchs := gomonkey.ApplyMethodSeq(reflect.TypeOf(conn.RedisHelper), “Get”, outputCell)
defer patchs.Reset()
先举这几个例子，详细的可以在上面的链接文章中全面得到。
这里补充一点，对类方法进行stub，一定要找到该方法对应的真实的类（结构体），举个例子：
//被测函数中有如下一段，其中的Get方法咱们想stub掉，只要找到Get方法对应的类就好了
readCountStr, _ := conn.Get(redisKey)
if len(readCountStr) == 0 {
return 0, nil
定位conn，是RedisConn类型的struct
type RedisConn struct {
RedisConfig
*RedisHelper
所以初次，我用gomonkey.AppleyMethod时这么写：
patches := gomonkey.ApplyMethod(reflect.TypeOf(*RedisConn),”Get”, func(_ *redis.RedisHelper,_ string, _ []string) ([]string, error){
return info,err_notNil
defer patches.Reset()
WeTest小编提醒：上篇的内容就到这里，相信各位肯定还没看够吧~在下篇会说到关于mock、和如何不要滥用mock等等更多精彩的内容，让咱们赶紧一起来看下吧~《从头到脚说单测——谈有效的单元测试（下篇）》
还没有评论，来说两句吧...