Nano Hash - криптовалюты, майнинг, программирование

Как написать интеграционный / системный тест с помощью Spring Boot для тестирования службы с репозиторием

У меня есть @Service в приложении Spring Boot, которое анализирует файл, а затем сохраняет его в БД с помощью Spring Data JPA. Я хочу протестировать этот синтаксический анализ со всей логикой изменения этого сопоставления. Итак, для этого мне нужно сохранить отображение в БД в тесте.

@Service  
public class ParsingService {
    @Autowired
    private StoringInDBRepository storingInDBRepository;
}

@Repository
public interface StoringInDBRepository extends JpaRepository<MyEntity, String> {

Проблема в том, что во время теста с аннотацией @SpringBootTest я не хочу загружать весь контекст, а только мой ParsingService. Когда я пишу:

@RunWith(SpringRunner.class)
@SpringBootTest(classes = {ParsingService.class})
public class ParsingServiceTest{

    @Test
    public void someTest(){
    }
}

Этот тест не может быть инициализирован, потому что я не загружаю StoringInDBRepository в аннотации @SpringBootTest. Однако я могу это сделать, потому что StoringInDBRepository - это интерфейс. Использование @DataJpaTest в соответствии с javadoc будет правильным, только если я тестирую уровень репозитория. Использование @DataJpaTest и @SpringBootTest не рекомендуется.

Как мне протестировать такие сервисы? Заранее спасибо.


  • Вы можете издеваться над bean-компонентом репозитория 14.06.2018
  • @ akuma8 нет, потому что тогда они не будут работать должным образом, а мне нужно, чтобы реальный объект был функциональным. не издевается 14.06.2018

Ответы:


1

Итак, после всех исследований я нашел пару решений. Я решил включить репозитории и службы с

@SpringBootTest(classes = {ParsingService.class})
@EnableJpaRepositories(basePackages = "com.my.repository")
@EntityScan("com.my.entity")
@AutoConfigureDataJpa

Это обходной путь. И я не думаю, что это лучший вариант. Другое решение - создать @TestConfiguration, который вернет вашу службу, и все, чтобы использовать аннотацию @DataJpaTest для включения классов репозитория. В этом случае следует использовать аннотацию @SpringBootTest.

14.06.2018

2

Вы можете использовать @SpyBean, чтобы получить то, что хотите. Пользоваться им довольно просто.

Однако - на самом деле вам не нужно проверять это таким образом. Потому что, протестировав контекст вашего приложения, вы убедитесь, что все классы внедряются / автоматически подключаются, как и должно быть. Затем отдельно протестируйте метод на сервисном уровне с помощью моков. И, наконец, используйте @DataJpaTest, чтобы протестировать его на уровне репозитория / БД.

Таким образом, вы прекрасно разделяете свои тесты: интеграционные тесты / модульные тесты / тесты репозитория.

Нет необходимости тесно связывать все эти три вещи в одном классе или тестовом методе.

14.06.2018
  • Что ж, это не то решение, которое мне нужно. Я хочу протестировать все компоненты в паре, и мне нужно протестировать их вместе. У меня также есть задокументированный тест. Спасибо за вашу помощь) 14.06.2018
  • 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..