Pytest 和 PostgreSQL:每次测试的新数据库(第二部分)
亲爱的编程学习爱好者,如果你点开了这篇文章,说明你对《Pytest 和 PostgreSQL:每次测试的新数据库(第二部分)》很感兴趣。本篇文章就来给大家详细解析一下,主要介绍一下,希望所有认真读完的童鞋们,都有实质性的提高。

在上一篇文章中,我们创建了 pytest 夹具,它将在测试方法之前/之后创建/删除 postgres 数据库。在这一部分中,我想在 pytest 工厂固定装置的帮助下改进固定装置,使其更加灵活和可配置。
静态夹具的限制
例如,如果您有多个数据库要在测试中模拟
def test_create_user(test_db1, test_db2):
...
您必须创建几乎两个相同的灯具:
test_db_url = "postgresql://localhost"
test_db1_name = "test_foo"
test_db2_name = "test_bar"
@pytest.fixture
def test_db1():
with psycopg.connect(test_db_url, autocommit=true) as conn:
cur = conn.cursor()
cur.execute(f'drop database if exists "{test_db1_name}" with (force)')
cur.execute(f'create database "{test_db1_name}"')
with psycopg.connect(test_db_url, dbname=test_db1_name) as conn:
yield conn
cur.execute(f'drop database if exists "{test_db1_name}" with (force)')
@pytest.fixture
def test_db2():
with psycopg.connect(test_db_url, autocommit=true) as conn:
cur = conn.cursor()
cur.execute(f'drop database if exists "{test_db2_name}" with (force)')
cur.execute(f'create database "{test_db2_name}"')
with psycopg.connect(test_db_url, dbname=test_db2_name) as conn:
yield conn
cur.execute(f'drop database if exists "{test_db2_name}" with (force)')
pytest 夹具工厂
“静态”装置在这里有点限制。当需要几乎相同且仅有细微差别时,您需要复制代码。希望 pytest 有工厂作为固定装置的概念。
工厂固定装置是一个返回另一个固定装置的固定装置。因为,像每个工厂一样,它是一个函数,它可以接受参数来自定义返回的固定装置。按照惯例,您可以在它们前面加上 make_* 前缀,例如 make_test_db。
专用夹具
我们的装置工厂 make_test_db 的唯一参数将是要创建/删除的测试数据库名称。
那么,让我们基于 make_test_db 工厂装置创建两个“专用”装置。
用法如下:
@pytest.fixture
def test_db_foo(make_test_db):
yield from make_test_db("test_foo")
@pytest.fixture
def test_db_bar(make_test_db):
yield from make_test_db("test_bar")
旁注:产量来自
你注意到产量了吗? yield 和 yield 之间的一个关键区别在于它们如何处理生成器内的数据流和控制。
在python中,yield和yield from都在生成器函数中使用来生成一系列值,但是
- yield 用于暂停生成器函数的执行并向调用者返回单个值。
- 而yield from用于将值的生成委托给另一个生成器。它本质上“展平”了嵌套生成器,将其生成的值直接传递给外部生成器的调用者。
也就是说,我们不想从专门的夹具“屈服”,而是从夹具工厂“屈服”。因此这里需要yield from。
用于创建/删除数据库的夹具工厂
除了将代码包装到内部函数之外,对我们原始夹具创建/删除数据库所需的更改实际上几乎不需要任何更改。
@pytest.fixture
def make_test_db():
def _(test_db_name: str):
with psycopg.connect(test_db_url, autocommit=true) as conn:
cur = conn.cursor()
cur.execute(f'drop database if exists "{test_db_name}" with (force)') # type: ignore
cur.execute(f'create database "{test_db_name}"') # type: ignore
with psycopg.connect(test_db_url, dbname=test_db_name) as conn:
yield conn
cur.execute(f'drop database if exists "{test_db_name}" with (force)') # type: ignore
yield _
奖励:将迁移固定装置重写为工厂固定装置
在上一部分中,我还有一个固定装置,将 yoyo 迁移应用于刚刚创建的空数据库。它也不是很灵活。让我们做同样的事情并将实际代码包装到内部函数中。
在这种情况下,因为代码不需要在从测试方法返回后进行清理(其中没有yield),所以
- 工厂装置返回(不是yield)内部函数
- 专门的夹具调用(不是从工厂夹具中产生)
@pytest.fixture
def make_yoyo():
"""applies yoyo migrations to test db."""
def _(test_db_name: str, migrations_dir: str):
url = (
urlparse(test_db_url)
.
_replace(scheme="postgresql+psycopg")
.
_replace(path=test_db_name)
.geturl()
)
backend = get_backend(url)
migrations = read_migrations(migrations_dir)
if len(migrations) == 0:
raise valueerror(f"no yoyo migrations found in '{migrations_dir}'")
with backend.lock():
backend.apply_migrations(backend.to_apply(migrations))
return _
@pytest.fixture
def yoyo_foo(make_yoyo):
migrations_dir = str(path(__file__, "../../foo/migrations").resolve())
make_yoyo("test_foo", migrations_dir)
@pytest.fixture
def yoyo_bar(make_yoyo):
migrations_dir = str(path(__file__, "../../bar/migrations").resolve())
make_yoyo("test_bar", migrations_dir)
需要两个数据库并对它们应用迁移的测试方法:
from psycopg import Connection
def test_get_new_users_since_last_run(
test_db_foo: Connection,
test_db_bar: Connection,
yoyo_foo,
yoyo_bar):
test_db_foo.execute("...")
...
结论
构建自己的夹具工厂,为 pytest 方法创建和删除数据库实际上是练习 python 生成器和运算符的产量/产量的一个很好的练习。
我希望本文对您自己的数据库测试套件有所帮助。请随时在评论中留下您的问题,祝您编码愉快!
本篇关于《Pytest 和 PostgreSQL:每次测试的新数据库(第二部分)》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!
理解 Java 函数线程安全性的关键概念
- 上一篇
- 理解 Java 函数线程安全性的关键概念
- 下一篇
- win10合并右下角图标怎么操作 win10合并右下角图标的操作方法
-
- 文章 · python教程 | 1小时前 | python · pathlib ·
- Python importlib.resources.as_file 的临时路径何时失效
- 318浏览 收藏
-
- 文章 · python教程 | 3小时前 | SQLite · Python教程 · Python sqlite3 Connection.backup 进度回调 SQLite备份
- Python sqlite3 备份进度回调怎样判断剩余页数
- 264浏览 收藏
-
- 文章 · python教程 | 5小时前 | python · 内存优化 · Python教程 · 文件读取 大文件处理 Python mmap 分段映射 ALLOCATIONGRANULARITY
- Python mmap 怎样分段处理超过内存的大文件
- 146浏览 收藏
-
- 文章 · python教程 | 7小时前 | python · Python 二进制协议 零拷贝 memoryview
- Python memoryview 如何零拷贝切片二进制协议数据
- 225浏览 收藏
-
- 文章 · python教程 | 9小时前 | 并发控制 · Python教程 · asyncio · 虚假唤醒 wait_for Python asyncio asyncio.Condition 异步同步
- Python asyncio.Condition.wait_for 如何处理虚假唤醒
- 478浏览 收藏
-
- 文章 · python教程 | 12小时前 |
- Python ExceptionGroup 派生新组时如何保留异常元数据
- 417浏览 收藏
-
- 文章 · python教程 | 13小时前 | 异常处理 · 并发编程 · Python教程 · asyncio · asyncio 结构化并发 ExceptionGroup except* Python TaskGroup
- Python TaskGroup 如何汇总多个子任务异常
- 208浏览 收藏
-
- 文章 · python教程 | 17小时前 | 并发编程 · 工程实践 · Python教程 · 多进程日志 QueueListener multiprocessing.Queue RotatingFileHandler Python QueueHandler
- Python 日志 QueueHandler 解决多进程写入争用
- 186浏览 收藏
-
- 文章 · python教程 | 19小时前 | 数据校验 · python · Pydantic 部分更新 exclude_unset model_fields_set 显式空值 model_dump
- Pydantic 模型更新时区分未提供字段与显式空值
- 399浏览 收藏
-
- 文章 · python教程 | 21小时前 |
- pytest Fixture 作用域如何影响测试隔离与速度
- 341浏览 收藏
-
- 文章 · python教程 | 1天前 | Python教程 · pathlib · 路径安全 Python pathlib Path.resolve 目录穿越 relative_to
- Pathlib 安全拼接用户路径:解析后再验证根目录
- 463浏览 收藏
-
- 文章 · python教程 | 1天前 | 性能优化 · Python教程 · Python 进程间通信 pickle multiprocessing SharedMemory
- multiprocessing 传输大对象为何变慢,如何减少序列化
- 478浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 387次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 468次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 475次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 419次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 243次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

