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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19