Nano Hash - криптовалюты, майнинг, программирование

Репозиторий автопроводки @SpringBootTest не может сохранять данные в реальную базу данных

Я пытаюсь сделать модульный тест с реальной базой данных (имеется в виду не база данных в памяти). это мой файл конфигурации:

@TestConfiguration
@EnableJpaAuditing
public class TestConfig {

  @Bean
  @Primary
  public DataSource getDataSource() {
    HikariDataSource hikariDataSource = new HikariDataSource();
    hikariDataSource.setJdbcUrl("jdbc:mysql://localhost:3306/faptv");
    hikariDataSource.setDriverClassName("com.mysql.cj.jdbc.Driver");
    hikariDataSource.setUsername("mansion");
    hikariDataSource.setPassword("mansion");
    return hikariDataSource;
  }
}

Это мой образец теста:

@RunWith(SpringRunner.class)
@SpringBootTest(webEnvironment = SpringBootTest.WebEnvironment.RANDOM_PORT)
@AutoConfigureTestDatabase(replace = AutoConfigureTestDatabase.Replace.NONE)
@ContextConfiguration(classes = {TestConfig.class})
@DirtiesContext
@Transactional
public class BaseEntityTest {
  @Autowired
  private TBL120Dao dao;

  @Test
  @Sql("classpath:/sql/abc.sql")
  public void test() {
    TBL120Dto dto = new TBL120Dto();
    dto.setUserId("xxx");
    dto.setUsername("ccsc");
    dto.setPasswordHash("passss");
    dao.save(dto);
    assertThat(dao.findByUserId("kkk").isPresent()).isTrue();
  }
}

Это мой /sql/abc.sql

insert into tbl120(user_id, password_hash, username) value ("kkk", "ssss", "Ssss");

Когда тест завершен: я вижу в своей реальной базе данных: в ней есть новая строка из sql. Но у него нет строки с идентификатором пользователя «xxx» из тестового метода. И, когда я отлаживаю внутренний тестовый метод, он существует только один раз, когда я пытаюсь выполнить dao.findAll() (обратите внимание, что в реальной базе данных этого не существует, реальная база данных только выходит из данных из sql), она может не получить доступ к реальной базе данных.

как я могу сохранить и выбрать данные из реальной базы данных?


Ответы:


1

По умолчанию транзакционные тесты Spring откатываются автоматически. См. документация о том, как это настроить.

21.12.2019
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..