При использовании объекта spied в качестве субъекта тестирования, если мы не хотим вызывать вложенные методы внутри тестируемого метода, какой из них (doReturn-when или when-thenReturn) можно использовать для имитации эти вложенные методы? Есть ли способ избежать вызова реальных методов внутри метода, который мы собираемся тестировать?
Поведение doReturn-когда и когда-тогдаReturn с издевательским и шпионским объектом
23.04.2018
- Что непонятно в документации? static.javadoc.io/ org.mockito/mockito-core/2.18.3/org/mockito/ 23.04.2018
- @JBNizet Спасибо за ответ. Означает ли это, что когда мы используем doReturn-when со шпионским объектом, настоящие методы внутри тестируемого метода никогда не будут вызываться, верно? Потому что я не видел нигде, где бы говорилось, что эти методы никогда не будут вызываться при использовании doReturn-when. 23.04.2018
- Ну, в этом весь смысл использования doReturn-when: заменить реализацию метода поддельной, возвращающей то, что вы говорите, и шпионить за вызовами. 23.04.2018
- В порядке. Раньше я думал, что оба эти метода ведут себя одинаково, и они просто синтаксически различны. Теперь немного ясно, что они делают. Спасибо.. :) 24.04.2018
Ответы:
1
На самом деле не имеет значения, используете ли вы метод doReturn-when или when-thenReturn для этого конкретного случая, потому что, учитывая @Spy, вы всегда будете вызывать реальный метод.
Вы можете избежать ввода других методов, издеваясь над ними, но если вы используете только Mockito, это будет проблемой (у него нет такого подхода, но у PowerMock есть). В частности, я не согласен с этим подходом, потому что мы слишком навязчивы в наших тестах, а приватный поток является частью всего потока, но вы можете сделать что-то вроде этого:
SomeService mock = spy(SomeService.class);
doReturn(1).when(mock, "getNumber", ArgumentMatchers.anyInt());
Для получения более подробной информации вы можете проверить официальную документацию PowerMock. Кроме того, приятно знать некоторые базовые концепции модульного тестирования (заглушки, макеты и т. д.).
23.04.2018
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..