SashaBus
Местный
- Тема Автор
- #1
Многие новички считают, что тесты — это лишняя работа. Мол, «я и так знаю, что код работает». Но когда проект разрастается, одно изменение может сломать три других места. Тесты ловят такие регрессии автоматически.
Виды тестов:
python
import unittest
def add(a, b):
return a + b
class TestMath(unittest.TestCase):
def test_add(self):
self.assertEqual(add(2, 2), 4)
self.assertEqual(add(-1, 1), 0)
if __name__ == '__main__':
unittest.main()
python
def test_create_user(db_connection):
user_id = create_user(db_connection, "alice@example.com")
user = get_user(db_connection, user_id)
assert user.email == "alice@example.com"
Когда ты тестируешь функцию, которая вызывает внешний API, не нужно реально ходить в сеть. Ты подменяешь (mock) этот вызов и возвращаешь заранее заготовленный ответ.
Пример на Python с mock:
python
from unittest.mock import patch
def test_fetch_user():
with patch('requests.get') as mock_get:
mock_get.return_value.json.return_value = {"id": 1, "name": "Alice"}
user = fetch_user(1)
assert user["name"] == "Alice"
Фикстуры — подготовка данных перед тестом (например, создание тестового пользователя в БД, который потом удалится).
Test coverage (покрытие).
Сколько процентов кода выполняется хотя бы одним тестом? Стремись к 70-80%. 100% не нужно — геттеры и сеттеры тестировать бессмысленно.
Инструменты для измерения покрытия: pytest-cov (Python), istanbul (Node.js), phpunit --coverage (PHP).
Вайб: Когда после рефакторинга ты запускаешь тесты, все 500 штук зелёные, и ты точно знаешь, что ничего не сломал — это чувство уверенности стоит потраченного на тесты времени. Тесты — это страховка твоего спокойствия.
Виды тестов:
- Юнит-тесты (unit tests). Тестируют одну маленькую функцию или метод изолированно. Быстрые, их много. Пример: функция sum(a, b) — проверяем, что 2+2=4.
python
import unittest
def add(a, b):
return a + b
class TestMath(unittest.TestCase):
def test_add(self):
self.assertEqual(add(2, 2), 4)
self.assertEqual(add(-1, 1), 0)
if __name__ == '__main__':
unittest.main()
- Интеграционные тесты (integration tests). Проверяют взаимодействие между компонентами: код + база данных, код + внешнее API, код + очередь. Медленнее юнит-тестов, их меньше.
python
def test_create_user(db_connection):
user_id = create_user(db_connection, "alice@example.com")
user = get_user(db_connection, user_id)
assert user.email == "alice@example.com"
- End-to-end тесты (E2E). Полный сценарий от запроса до ответа, с реальными сервисами. Самые медленные, их мало. Например: отправить POST /register, затем GET /profile, проверить, что профиль создался.
- Много юнит-тестов (быстрые, дёшевые).
- Среднее количество интеграционных.
- Мало E2E (дорогие, ломаются при любых изменениях окружения).
Когда ты тестируешь функцию, которая вызывает внешний API, не нужно реально ходить в сеть. Ты подменяешь (mock) этот вызов и возвращаешь заранее заготовленный ответ.
Пример на Python с mock:
python
from unittest.mock import patch
def test_fetch_user():
with patch('requests.get') as mock_get:
mock_get.return_value.json.return_value = {"id": 1, "name": "Alice"}
user = fetch_user(1)
assert user["name"] == "Alice"
Фикстуры — подготовка данных перед тестом (например, создание тестового пользователя в БД, который потом удалится).
Test coverage (покрытие).
Сколько процентов кода выполняется хотя бы одним тестом? Стремись к 70-80%. 100% не нужно — геттеры и сеттеры тестировать бессмысленно.
Инструменты для измерения покрытия: pytest-cov (Python), istanbul (Node.js), phpunit --coverage (PHP).
Вайб: Когда после рефакторинга ты запускаешь тесты, все 500 штук зелёные, и ты точно знаешь, что ничего не сломал — это чувство уверенности стоит потраченного на тесты времени. Тесты — это страховка твоего спокойствия.