京公网安备 11010802034615号
经营许可证编号:京B2-20210330
来源:AirPython
作者:星安果
1. 前言
微服务架构下,由于各类服务开发进度的不一致,导致联调工作经常会存在不确定性,进而导致项目延期
在实际工作中,为了保证项目进度,我们经常需要针对部分未完成模块及不稳定模块采用 Mock 方式,以验证已开发完的模块
本篇文章将介绍 Python 实现 Mock 的几种常见方式
Mock 测试:在测试验证过程中,对于那些尚未完成或不稳定的对象,用一个虚拟对象来替代,以便测试的测试方法
因此,这个虚拟的对象是 Mock 对象,Mock 对象是真实对象在调试期间的代替品
它的优势包含:
在 Python 3.3 之前使用 mock,需要先安装依赖
# 安装mock依赖
pip3 install mock
假设 Product 类中有 2 个方法
其中,get_product_status_by_id 方法还没有实现;buy_product 方法依赖于
get_product_status_by_id 方法的返回值
# product_impl.py
class Product(object):
def __init__(self):
pass
def get_product_status_by_id(self, product_id):
"""
通过商品id获取产品信息(Mock)
:return:
"""
# 待实现查询数据库的业务逻辑
pass
def buy_product(self, product_id):
"""
购买产品(真实逻辑)
:return:
"""
# 产品信息
# {"id":1,"name":"苹果","num":23}
product = self.get_product_status_by_id(product_id)
if product.get("num") >= 1:
result = {"status": 0, "msg": "购买成功!"}
else:
result = {"status": 1, "msg": "购买失败,库存不足!"}
return result
Mock 的步骤如下:
导入使用 mock 中的 patch 方法作为测试方法的装饰器,对 get_product_status_by_id
方法进行 Mock,方法参数为 Mock 对象测试方法中,对该 Mock 对象设置一个返回值调用并断言from
mock import patch from mock_.product_impl import Product @patch('mock_.product_impl
.Product.get_product_status_by_id') def test_succuse(mock_get_product_status_by_id):
# Mock方法,指定一个返回值 mock_get_product_status_by_id.return_value =
{"id": 1, "name": "苹果", "num": 23}
product = Product()
assert product.buy_product(1).get("status") == 0 需要注意的是,
Mock 此方法的时候,必须制定该方法的完整路径使用 @patch.object 同样能完成 Mock,
不同的是,@patch.object 包含 2 个参数第一个参数为该方法所在的类;第二个参数为方法名from
mock import patch from mock_.product_impl import Product # Mock一个方法 # @patch.object:
对象、方法名 @patch.object(Product, 'get_product_status_by_id') def test_succuse
(mock_get_product_status_by_id):
# Mock方法,指定一个返回值 mock_get_product_status_by_id.return_value =
{"id": 1, "name": "苹果", "num": 23}
product = Product()
assert product.buy_product(1).get("status") == 0
Python 3.3 之后,mock 作为标准库,已经内置到 unittest 中了
还是以 3.1 的场景为例,使用 unittest 编写一个测试用例
Mock 步骤如下:
import unittest
from unittest import mock
from unittest_mock.product_impl import Product
class TestProduct(unittest.TestCase):
def test_success(self):
# 成功结果
mock_success_value = {"id": 1, "name": "苹果", "num": 23}
product = Product()
product.get_product_status_by_id = mock.Mock(return_value=mock_success_value)
# 调用实际函数
assert product.buy_product(1).get("status") == 0
if __name__ == "__main__":
unittest.main()
相比 unittest,pytest 由于强大的插件支持,用户群体可能更大!
如果项目本身使用的框架是 pytest,则 Mock 更建议使用 pytest-mock 这个插件
# pytest依赖
pip3 install pytest
Mock 步骤如下:
import pytest
from pytest_mock_.product_impl import Product
def test_buy_product_success(mocker):
"""
购买成功Mock
:param mocker:
:return:
"""
# 实例化一个产品对象
product = Product()
# 对Product中的方法的返回值进行Mock
mock_value = {"id": 1, "name": "苹果", "num": 23}
# Mock方法
# 注意:需要指定方法的完整路径
# mocker.patch 的第一个参数必须是模拟对象的具体路径,第二个参数用来指定返回值
product.get_product_status_by_id = mocker.patch("product_impl.Product.get_product_status_by_id",
return_value=mock_value)
# 调用购买产品的方法
result = product.buy_product(1)
assert result.get("status") == 0
需要注意的是,mocker.patch 方法第一个参数必须是 Mock 对象的完整路径
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26