• Go项目实战--数据Dao层代码的单元测试实战

Go项目实战--数据Dao层代码的单元测试实战

2025-04-28 02:37:03 栏目:宝塔面板 110 阅读

Dao的单元测试

讲到数据库的单元测试,一般有那么几个流派

  • 专门准备一个独立的数据库,单元测试时让所有测试用例读写这个独立的数据库,它的优点是单测真的去读写数据库啦,缺点嘛也显而易见,一个项目的数据库不是光有表就行,还得准备测试数据,这个搞起来就有点麻烦,尤其是关联性强的数据,造起来更麻烦。
  • 让项目在单元测试时访问内存数据库,它的优缺点其实跟上个差不多。
  • 采用sqlmock类的工具,对Dao要执行的SQL作出预期匹配,同时Mock SQL查询要返回的数据,保证Dao方法内部的逻辑正常执行。

我们这里采用的是第三个流派,用 sqlmock 方式来做数据库Dao的单元测试,本节的内容大纲主要如下:

图片

这里我们会用到DataDog家开发的go-sqlmock这个工具,先来安装一下它:

github.com/DATA-DOG/go-sqlmock

安装过程如下:

图片

单元测试入口TestMain的设置

我们计划在 UserDao 和 OrderDao 中找几个典型的方法来做单元测试的实战,这里我们先在新建test/dao/user_test.go,创建完之后还不能马上开始写测试用例,我们再来做一下dao层单元测试的基础工作。

在TestMain方法中初始化go-sqlmock ,这样整个dao下的测试用例就都能使用它了,TestMain是在当前package下最先运行的一个函数,无论你运行哪个测试用例TestMain都会先被Go调用,所以它常用于测试基础组件的初始化。

我们的TestMain的代码如下:

var (
 mock sqlmock.Sqlmock
 err  error
 db   *sql.DB
)

func TestMain(m *testing.M) {
 db, mock, err = sqlmock.New()
if err != nil {
panic(err)
 }
// 把项目使用的DB连接换成sqlmock的DB连接
 dbMasterConn, _ := gorm.Open(mysql.New(mysql.Config{
  Conn:                      db,
  SkipInitializeWithVersion: true,
  DefaultStringSize:         0,
 }))
 dbSlaveConn, _ := gorm.Open(mysql.New(mysql.Config{
  Conn:                      db,
  SkipInitializeWithVersion: true,
  DefaultStringSize:         0,
 }))
 dao2.SetDBMasterConn(dbMasterConn)
 dao2.SetDBSlaveConn(dbSlaveConn)
 os.Exit(m.Run())
}

这里我们创建一个 go-sqlmock 的数据库连接 和 mock对象,mock对象管理 db 预期要执行的SQL,具体初始化中各个参数的作用,直接看我上面代码里的注视吧。

因我我们项目里Dao使用的数据库连接在包外不可访问,所以我在这里给项目dao层里加了 SetDBMasterConn,SetDBSlaveConn两个方法把我们原本的数据库连接替换成了sqlmock的数据库连接。

基础设置完成后,接下来我们分别找Dao的Insert、Update、Select操作来展示怎么给他们做单元测试。

Insert 操作的单元测试

首先给UserDao的CreateUser方法做单元测试,它是用户注册接口的逻辑中会用到的Dao方法,其定义如下:

func (ud *UserDao) CreateUser(userInfo *do.UserBaseInfo, userPasswordHash string) (*model.User, error) {
 userModel := new(model.User)
 err := util.CopyProperties(userModel, userInfo)
if err != nil {
  err = errcode.Wrap("UserDaoCreateUserError", err)
returnnil, err
 }
 userModel.Password = userPasswordHash

 err = DBMaster().WithContext(ud.ctx).Create(userModel).Error
if err != nil {
  err = errcode.Wrap("UserDaoCreateUserError", err)
returnnil, err
 }
return userModel, nil
}

这里就不再对CreateUser这个方法里都是什么做展开了,大家直接看项目代码吧,它的单元测试如下:

func TestUserDao_CreateUser(t *testing.T) {
    userInfo := &do.UserBaseInfo{
        Nickname:  "Slang",
        LoginName: "slang@go-mall.com",
        Verified:  0,
        Avatar:    "",
        Slogan:    "happy!",
        IsBlocked: 0,
        CreatedAt: time.Now(),
        UpdatedAt: time.Now(),
    }
    passwordHash, _ := util.BcryptPassword("123456")
    userIsDel := 0

    ud := dao2.NewUserDao(context.TODO())
    mock.ExpectBegin()
    mock.ExpectExec(regexp.QuoteMeta("INSERT INTO `users`")).
    WithArgs(userInfo.Nickname, userInfo.LoginName, passwordHash, userInfo.Verified, userInfo.Avatar,
               userInfo.Slogan, userIsDel, userInfo.IsBlocked, userInfo.CreatedAt, userInfo.UpdatedAt).
    WillReturnResult(sqlmock.NewResult(1, 1))
    mock.ExpectCommit()
    userObj, err := ud.CreateUser(userInfo, passwordHash)
    assert.Nil(t, err)
    assert.Equal(t, userInfo.LoginName, userObj.LoginName)
}

这里我们首先自己初始化了一个CreateUser会用到的数据userInfo和passwordHash,然后使用 ExpectExec 指定预期要执行的SQL以及预期返回的结果。

这里我来说明一下sqlmock 默认使用 sqlmock.QueryMatcherRegex 作为默认的SQL匹配器,该匹配器使用mock.ExpectQuery 和 mock.ExpectExec 的参数作为正则表达式与真正执行的SQL语句进行匹配,如果使用QueryMatcherEqual 作为匹配器的话,那么我们写预期SQL时就要写完整的SQL了。

我推荐用默认的匹配器就行,因为接下来的WithArgs中我们还要给SQL的 ? 占位符提供参数值,这个参数值如果数量或者类型匹配不上的话,单测依然是无法通过的。

WillReturnResult(sqlmock.NewResult(1, 1)) 这行的意思是SQL执行后返回的 lastInsertId 是 1, 受影响行数也是 1。

拿到结果之后我们再做assert断言,判断结果是否符合预期。符合预期则通过,不符合的话测试用例会失败。大家可以自己尝试修改一下这个用例看它执行失败的效果。

Select 查询的单元测试

关于SQL查询的单元测试,和上面的区别是我们会Mock返回的结果集,这里我们拿的是OrderDao的GetUserOrders做的单元测试,代码如下。

func TestOrderDao_GetUserOrders(t *testing.T) {
    orderDel := soft_delete.DeletedAt(0)
    now := time.Now()
    emptyPayTime := time.Date(1970, time.January, 1, 0, 0, 0, 0, time.UTC)

    orders := []*model.Order{
        {1, "12345675555", "", 1, 1, 100, 100, 0, 0, emptyPayTime, orderDel, now, now},
        {2, "12345675556", "", 1, 1, 100, 100, 0, 0, emptyPayTime, orderDel, now, now},
    }
    od := dao2.NewOrderDao(context.TODO())
    var userId int64 = 1
    offset := 10
    limit := 50
    mock.ExpectQuery(regexp.QuoteMeta("SELECT * FROM `orders`")).WithArgs(userId, orderDel, limit, offset).
    WillReturnRows(
        sqlmock.NewRows([]string{"id", "order_no", "pay_trans_id", "pay_type", "user_id", "bill_money", "pay_money",
                                  "pay_state", "order_status", "paid_at", "is_del", "created_at", "updated_at"}).
        AddRow(
            orders[0].ID, orders[0].OrderNo, orders[0].PayTransId, orders[0].PayType, orders[0].UserId, orders[0].BillMoney, orders[0].PayMoney,
            orders[0].PayState, orders[0].OrderStatus, orders[0].PaidAt, orders[0].IsDel, orders[0].CreatedAt, orders[0].UpdatedAt,
        ).AddRow(
            orders[1].ID, orders[1].OrderNo, orders[1].PayTransId, orders[1].PayType, orders[1].UserId, orders[1].BillMoney, orders[1].PayMoney,
            orders[1].PayState, orders[1].OrderStatus, orders[1].PaidAt, orders[1].IsDel, orders[1].CreatedAt, orders[1].UpdatedAt,
        ),
    )
    mock.ExpectQuery(regexp.QuoteMeta("SELECT count(*) FROM `orders`")).WithArgs(userId, orderDel).
    WillReturnRows(sqlmock.NewRows([]string{"COUNT(*)"}).AddRow(2))
    gotOrders, totalRow, err := od.GetUserOrders(userId, offset, limit)
    assert.Nil(t, err)
    assert.Equal(t, orders, gotOrders)
    assert.Equal(t, totalRow, int64(2))
}

这里我用 ExpectQuery 指定了两个预期要执行的SQL是为什么呢?因为GetUserOrders方法即返回了用户订单列表还返回了数据分页用的totalRaws变量,大家可以试试把它删掉看看这个单元测试能不能执行成功,这里我可以告诉你结果会成功但又没完全成功,会有一条Warning警告,报告出有一个执行的SQL没有做预期匹配。

执行单元测试时可以用上面我教的命令,也可以用IDE自带的测试按钮跑来跑这个测试用例。

Update操作的单元测试

Update操作的单元测试于Insert操作的类似,我们选用OrderDao的UpdateOrderStatus 方法来做单元测试。

func TestOrderDao_UpdateOrderStatus(t *testing.T) {
 orderNewStatus := 1
 var orderId int64 = 1
 orderDel := 0
 mock.ExpectBegin()
 mock.ExpectExec(regexp.QuoteMeta("UPDATE `orders` SET")).
  WithArgs(orderNewStatus, AnyTime{}, orderId, orderDel).
  WillReturnResult(sqlmock.NewResult(1, 1))
 mock.ExpectCommit()
 od := dao2.NewOrderDao(context.TODO())
 err := od.UpdateOrderStatus(orderId, orderNewStatus)
 assert.Nil(t, err)
}

这里的AnyTime是咱们自定义的一个类型

type AnyTime struct{}

func (a AnyTime) Match(v driver.Value) bool {
 // Match 方法中:判断字段值只要是time.Time 类型,就能验证通过
 _, ok := v.(time.Time)
 return ok
}

其实在使用SQL完全匹配模式时才必须用它,因为参数提供的Time.Now()做为UpdatedAt的时间,这与SQL执行时真正的UpdateAt时间是有很小的差异的,这个时候我们可以提供AnyTime做为更新时间,这样sqlmock在做预期SQL和实际SQL的匹配时,遇到了AnyTime类型的预期值,就会按照这里指定的规则,判断字段值只要是time.Time 类型就能验证通过。

总结

本节代码版本为c19.1

git fetch --tags
git checkout tags/c19.1

访问 https://github.com/go-study-lab/go-mall/compare/c18...c19.1 可在线查看详细的代码更新。

本文地址:https://www.yitenyun.com/170.html

搜索文章

Tags

数据库 API FastAPI Calcite 电商系统 MySQL Web 应用 异步数据库 数据同步 ACK 双主架构 循环复制 TIME_WAIT 运维 负载均衡 服务器 管理口 HexHub Docker JumpServer SSL 堡垒机 跳板机 HTTPS 服务器性能 JumpServer安装 堡垒机安装 Linux安装JumpServer SQL 查询 生命周期 Deepseek 宝塔面板 Linux宝塔 锁机制 esxi esxi6 root密码不对 无法登录 web无法登录 行业 趋势 序列 核心机制 Windows Windows server net3.5 .NET 安装出错 HTTPS加密 开源 PostgreSQL 存储引擎 Windows宝塔 Mysql重置密码 宝塔面板打不开 宝塔面板无法访问 机器学习 Redis 查看硬件 Linux查看硬件 Linux查看CPU Linux查看内存 Undo Log 机制 Spring 动态查询 响应模型 Oracle 处理机制 InnoDB 数据库锁 优化 万能公式 连接控制 group by 索引 Serverless 无服务器 语言 监控 无法访问宝塔面板 异步化 ES 协同 技术 Postgres OTel Iceberg 工具 openHalo scp Linux的scp怎么用 scp上传 scp下载 scp命令 缓存方案 缓存架构 缓存穿透 国产数据库 高可用 数据 主库 分页查询 SVM Embedding Linux 安全 SQLite-Web SQLite 数据库管理工具 GreatSQL 连接数 存储 Netstat Linux 服务器 端口 加密 场景 云原生 R edis 线程 Recursive R2DBC 防火墙 黑客 启动故障 向量数据库 大模型 共享锁 SQLark 日志文件 MIXED 3 OB 单机版 ​Redis 推荐模型 Canal AI 助手 RocketMQ 长轮询 配置 不宕机 信息化 智能运维 自定义序列化 PG DBA 业务 Python 传统数据库 向量化 向量库 Milvus 同城 双活 Ftp Hash 字段 Web 接口 开发 聚簇 非聚簇 线上 库存 预扣 电商 系统 修改DNS Centos7如何修改DNS IT运维 分库 分表 Rsync 架构 filelock 磁盘架构 MySQL 9.3 数据类型 MongoDB MCP 开放协议 缓存 redo log 重做日志 数据分类 sftp 服务器 参数 mini-redis INCR指令 数据结构 语句 流量 PostGIS • 索引 • 数据库 ZODB Doris SeaTunnel 窗口 函数 分布式架构 分布式锁​ 频繁 Codis Go 数据库迁移 MVCC 数据备份 虚拟服务器 虚拟机 内存 工具链 人工智能 推荐系统 EasyExcel MySQL8 主从复制 代理 Redisson 锁芯 失效 prometheus Alert MGR 分布式集群 分页 千万级 大表 聚簇索引 非聚簇索引 高效统计 今天这篇文章就跟大家 StarRocks 数据仓库 引擎 性能 网络故障 播客 网络架构 网络配置 数据集成工具 发件箱模式 INSERT 崖山 新版本 事务 Java COMPACT 容器 QPS 高并发 Entity 核心架构 订阅机制 Web B+Tree ID 字段 RDB AOF SSH Redka 速度 服务器中毒 Caffeine CP 数据脱敏 加密算法 Weaviate 关系数据库 DBMS 管理系统 数据页 Redis 8.0 自动重启 容器化 Valkey Valkey8.0 分布式 集中式 OAuth2 Token SpringAI 模型 微软 SQL Server AI功能 读写 LRU 原子性 排行榜 排序 池化技术 连接池 数据字典 兼容性 JOIN 意向锁 记录锁 事务隔离 Testcloud 云端自动化 UUID ID dbt 数据转换工具 业务场景 单点故障 分页方案 排版 部署 日志 1 优化器 Pottery InfluxDB 悲观锁 乐观锁 ReadView 网络 sqlmock 事务同步 UUIDv7 主键 AIOPS 分布式锁 Zookeeper 仪表盘 对象 单线程 字典 双引擎 RAG HelixDB 产业链 Order 编程 Ansible Pump LLM IT 拦截器 动态代理 恢复数据 Crash 代码 线程安全 国产 用户 快照读 当前读 视图 订单 List 类型 慢SQL优化 count(*) count(主键) 行数 表空间 RR 互联网 神经系统 解锁 调优 Next-Key 矢量存储 数据库类型 AI代理 CAS 查询规划 多线程 GitHub Git 算法 技巧 并发控制 恢复机制 闪回