PyMiner一款基于Python的开源、跨平台数据计算解决方案，通过加载各种插件实现不同的需求.rar

# 测试用例参考规范 首先，欢迎讨论，此处的规范不一定是最佳实践，如有更好的方案请评论直接改readme。 # 测试驱动开发的好处 这里提供一个简短的[文章](https://blog.ihuxu.com/the-advantages-of-tdd/)介绍了TDD的好处，用于参考。其核心内容如下： 1. 站在用户的角度去看产品：尽可能想到用户的所有操作，而不是从程序员的角度想用户应该会如何去使用我们的产品。 1. 为编程提供指导：先写测试再写代码，可以对代码提供指导性的参考，防止漏掉功能。 1. 它使我们对自己代码有了信心，因为我们事先设计好的所有测试用例都Pass了。 1. 精确定位问题：如果在更改代码后测试用例不能通过，我们可以根据不能通过的测试用例精确的定位问题，并轻而易举的解决的这个bug。 1. 随意使用重构：重构改变的是代码的内部结构，而不会改变外部接口功能，测试用例是保证我们在进行重构时，不会影响到代码的外部接口功能。 关于CI持续集成工具链的使用，也是要建议在完整的测试用例的基础上的。 这里有一篇[文章](https://www.redhat.com/zh/topics/devops/what-is-ci-cd)介绍什么是CI/CD。 这一部分github上面的项目通常采用travis来解决，而码云这边开发了`jenkins`也同样是可用的。 不过目前不打算在这一部分发力，如果有大佬用过的话可以把CI做一下。 # 算法与界面分离 算法应当作为界面的一个外壳，算法与界面进行解耦。 算法是易于进行单元测试的部分，而界面并不容易进行单元测试，因此如果二者强耦合，我们将同时无法对界面和算法进行单元测试。 界面部分建议采用手动测试的方案。`pytest-qt`支持界面的自动化测试，但个人认为意义不大（至少项目前期是这样），也咨询过大佬，徒增工作量。 # 测试用例规范（暂行） 所有的测试用例都应放在`/tests/`文件夹下，文件夹结构与`/pyminer2/`文件夹结构保持一致。 测试用例文件以`test_`开头，函数以`test_`开头，否则`pytest`无法识别。 对于手动运行的测试用例，可以把测试用例文件命名为`run_*`，这样就不会被`pytest`识别。 # 基于测试的开发的流程示例 这一部分我会采用PyCharm采用测试驱动开发的方案开发一个功能，流程不一定完美，欢迎提供参考。 功能目标：实现workspace的管理功能。 首先，我们需要在pycharm中打开对pytest的支持，如下所示。  然后，站在用户（插件开发者）的角度，考虑这个插件应当如何被使用： 1. 支持增删改查； 1. 支持历史记录； 1. 支持常用的字典方法，即`items()`等方法。 由于篇幅所限，这里仅以CURD功能为例。 ```python import numpy import pytest from pyminer2.workspace import data_manager from pyminer2.workspace.data_adapter import ArrayAdapter def test_curd(): """测试数据管理工具的增删改查的基本功能""" dm = data_manager.DataManager() # 变量赋值后可以直接按字典的方式访问 dm['a'] = ArrayAdapter(numpy.zeros((3, 4))) dm['b'] = ArrayAdapter(numpy.ones((4, 5))) dm['c'] = ArrayAdapter(numpy.ones((3, 4)).cumsum().reshape((3, 4))) assert dm['a'].data[2, 3] == 0 assert dm['b'].data[3, 4] == 1 assert dm['c'].data[2, 3] == 12 # 变量删除后不可再访问，会报KeyError del dm['a'] with pytest.raises(KeyError): _ = dm['a'] # 变量删除后仍可再重新赋值 dm['a'] = ArrayAdapter(numpy.ones((4, 5)).cumsum().reshape((4, 5))) assert dm['a'].data[3, 4] == 20 # 变量再删除再重新赋值后，不影响结果 del dm['a'] with pytest.raises(KeyError): _ = dm['a'] dm['a'] = ArrayAdapter(numpy.ones((6, 7)).cumsum().reshape((6, 7))) assert dm['a'].data[5, 6] == 42 ``` 在写测试用例的时候，我们会发现这时是没有代码补全的， 因此我们可以先写一个临时的空的`data_manager`模块，各个函数均使用`NotImplementationError`代替： ```python # data_manager.py class DataManager(object): def __init__(self): raise NotImplementedError def __getitem__(self, item): raise NotImplementedError def __setitem__(self, key, value): raise NotImplementedError def __delitem__(self, key): raise NotImplementedError def keys(self): raise NotImplementedError def values(self): raise NotImplementedError def items(self): raise NotImplementedError ``` 有这个假的结构后，我们在写测试用例时就会有代码补全提示了。 在完成测试用例的开发后，可以进行实际的功能开发。 ```python from typing import Dict, Tuple, List from collections import OrderedDict from pyminer2.workspace.data_adapter import BaseAdapter class DataManager(object): def __init__(self): self.container: Dict[str, Tuple[List[BaseAdapter], List[BaseAdapter]]] = dict() self.recycle_bin = OrderedDict() def __getitem__(self, key: str) -> BaseAdapter: current, future = self.container[key] current or self.__raise_key_error(key) return current[-1] def __setitem__(self, key: str, value: BaseAdapter): assert isinstance(value, BaseAdapter) # 首先确保工作空间中有该变量的历史记录容器 if key not in self.container: # 如果工作空间中没有该变量 if key not in self.recycle_bin: # 回收站中也没有，新建该变量的历史记录 self.container[key] = ([], []) else: # 从回站中恢复 self.container[key] = self.recycle_bin[key] del self.recycle_bin[key] # 处理历史记录相关内容 current, future = self.container[key] if future: future.clear() current.append(value) if len(current) > 15: # 对每个变量的最多保存的历史记录数量 current.pop(0) def __delitem__(self, key: str): key in self.container or self.__raise_key_error(key) self.recycle_bin[key] = self.container[key] del self.container[key] def __raise_key_error(self, key: str, position='工作空间'): raise KeyError(f'{position}未定义变量：{key}') ``` 在完成这一部分的代码之后，打开这个`test_workspace2`的文件，执行这一部分的算例：  如果执行通过，就是这样的结果：  如果执行失败，就是这样的结果：  如果执行通过，说明这一部分我们的代码是可以正常执行功能的，我们就可以开发下一个功能了。 在提交前，我们需要对所有已有的测试用例进行测试，以防由于我们对代码不熟悉而导致代码的其余地方被我们改错了。 打开pycharm的命令行输入`pytest`命令即可。 （建议在venv环境中使用，关于pycharm的venv虚拟环境搭建请自行查阅教程）  如果测试通过，我们就可以放心大胆的提交了！ **注意！** 完成了以上步骤，只能说我们的代码可以正常执行功能，不能说我们的代码可以胜任复杂的工作条件！ 单元测试的另一个优点是，每一个被测函数足够小。我们可以为每一个被测函数指定多组相应的输入与输出。 测试用例的一大要求是，站在用户的角度考虑问题。这需要项目长期的打磨，用户的不断反馈，才能实现健壮可靠的代码。贴一个老笑话： > 一个测试工程师走进一家酒吧，要了一杯啤酒； > > 一个测试工程师走进一家酒吧，要了一杯咖啡