Co se stane, když změříte pokrytí testy a kdy už je kontraproduktivní > 공지사항

• 목록
• 답변
• 글쓰기
• 게시판 리스트 옵션
  • 수정
  • 삭제

Pokrytí testy se obvykle měří jako podíl řádků kódu, které prošly některým z testů, vůči celkovému počtu řádků. Nejjednodušší způsob, jak zařídit malou kuchyni ho zjistit, je použít nástroj integrovaný do testovacího běhu – stačí spustit testy s parametrem pro měření pokrytí a výstupem je číslo v procentech. Důležité je měřit pokrytí nejen u nového kódu, ale i u změn ve stávajícím, protože právě tam se chyby nejčastěji objevují. Pozor na to, že pokrytí řádků neříká nic o tom, zda jsou otestovány všechny důležité větve nebo stavy – dva testy mohou projít stejnou řádkou, ale každý testuje jinou logiku.

Když pokrytí přesáhne 80 procent, přestává být užitečné Neexistuje univerzální hranice, ale zkušenost ukazuje, že nad 80–85 procent se náklady na další zvyšování pokrytí začínají výrazně zvyšovat a přínos klesá. Důvod je prostý: zbývající řádky jsou obvykle okrajové případy, chybové stavy nebo kód, který se spouští jen výjimečně. Psaní testů pro ně zabere hodně času a často vyžaduje složité mockování, které samo o sobě může být zdrojem chyb. Navíc vysoké pokrytí často vede k tomu, že se testy začnou zaměřovat na implementaci, ne na chování – pak jakákoli změna kódu rozbije testy, i když funkce funguje správně.

Pokrytí testy bývá považováno za důležitou metriku kvality, ale jeho bezduché zvyšování vede k falešnému pocitu bezpečí. Metrika sama o sobě neříká nic o tom, zda testy skutečně chrání před chybami. Hodnota v procentech se dá snadno zneužít: stačí psát testy, které volají metody bez jakýchkoli tvrzení, nebo ignorovat chyby, které by jinak odhalily.

Testování v Pythonu není jen o spuštění skriptu a doufání, že vše funguje. Když začnete psát automatické testy, rychle narazíte na otázku, jaký nástroj použít. Standardní knihovna nabízí unittest, ale pytest se v posledních letech stal prakticky standardem pro nové projekty. Jeho hlavní výhoda spočívá v jednoduchosti zápisu a v bohatých funkcích, které šetří čas při psaní i údržbě testů.

Dalším problémem je, když se pokrytí stane součástí firemních KPI. Týmy se pak předhánějí v tom, aby dosáhly stanoveného procenta, místo aby přemýšlely, co je skutečně důležité. Výsledkem jsou objemné testy, které se často mění kvůli každé drobné úpravě, a vydávání nových verzí se zpomaluje. Místo aby testy sloužily, stávají se z nich přítěž.

Začněte tím, že si vytvoříte lokální repozitář přímo ve složce s projektem. Nejdříve si ale rozmyslete, které soubory barvy stěn do obýváku verzování vůbec nepatří. Mezi typické adepty na ignorování patří složky s dočasnými soubory, konfigurace obsahující hesla a především velké binární soubory, jako jsou obrázky nebo videa. Vytvořte si soubor, kde tyto cesty vypíšete, a hned na začátku ho commitněte. Pokud tento soubor založíte až později, riskujete, že se citlivé údaje dostanou do historie a jejich odstranění bude bolet.

První kroky s pytestem jsou překvapivě přímočaré. Stačí napsat funkci začínající slovem test_ a uvnitř použít obyčejný assert. Žádné třídy, žádné speciální metody. Pokud chcete otestovat funkci, která sčítá dvě čísla, vytvoříte soubor test_calc.py a do něj napíšete: def test_soucet(): assert soucet(2, 3) == 5. Spuštění provedete příkazem pytest v terminálu, a pytest automaticky najde všechny soubory s předponou test_ a funkce test_ v aktuálním adresáři. To je první věc, na kterou si zvykněte – pojmenování souborů a funkcí není libovolné, ale řídí se konvencemi.

Nejlepší přístup je kombinovat pokrytí s testováním chování – ptejte se, zda testy pokrývají požadavky, ne jen řádky. Pokud máte test, který ověřuje, že se po uložení formuláře zobrazí potvrzení, je užitečnější než deset testů, které jen volají gettery. Když začnete pokrytí vnímat jako jeden z mnoha nástrojů, ne jako cíl sám o sobě, přestanete se honit za čísly a začnete psát testy, které skutečně chrání váš kód. Až budete příště přemýšlet, zda přidat další test jen kvůli pokrytí, zeptejte se sami sebe, jakou chybu by mohl odhalit – pokud žádnou, je lepší čas věnovat něčemu jinému.

Typickou chybou je ignorování cachování na straně prohlížeče. Nastavte server tak, aby opakovaným návštěvníkům posílal hlavičky s informací, že se soubory nemění. Tím se stránka při druhém otevření načte výrazně rychleji. Zkontrolujte také, jestli váš hosting nevyužívá staré verze PHP nebo jiných technologií. Aktualizace na novější verzi často přinese okamžité zrychlení bez dalších zásahů. Pokud vše ostatní selže, zvažte přechod na rychlejší hosting, ale to už je poslední krok.

If you adored this article and you also would like to collect more info pertaining to číst dál nicely visit the webpage.