关于java:利用Clean-Architecture写好白盒测试

37次阅读

共计 9369 个字符，预计需要花费 24 分钟才能阅读完成。

本文首发于泊浮目标简书:https://www.jianshu.com/u/204…

版本 日期 备注
1.0 2020.9.13 文章首发

前言

Clean Architecture是 Bob 大叔在 2012 年提出的一个架构模型。其依据过来几十年中的一系列架构提炼而成：

  • Hexagonal Architecture：由 Alistair Cockburn 首先提出
  • DCI：由 James Coplien 和 Trygve Reenskaug 首先提出
  • BCE：由 Ivar Jacobson 在他的 Obect Oriented Software Engineering: A Use-Case Driven Approach 一书中首先提出

依据这些架构设计进去的零碎，往往具备以下特点：

  • 独立于框架：这些零碎的架构并不依赖某个功能丰富的框架之中的某个函数。框架能够被当成工具来应用，但不须要让零碎来适应框架。
  • 可被测试：这些零碎的业务逻辑可 以脱离 UI、数据库、Web 服务以及其余的内部元素来进行测试。
  • 独立于 UI：这些零碎的 UI 变更起来很容易，不须要批改其余的零碎局部。例如，咱们能够在不批改业务逻辑的前提下将一个零碎的 UI 由 Web 界面替 换成命令行界面。
  • 独立于数据库：咱们能够轻易将这些零碎应用的 Oracle、SQL Server 替换成 Mongo、BigTable、CouchDB 之类的数据库。因为业务逻辑与数据库之间曾经实现了结耦。独立于任何内部机构：这些零碎的业务逻辑并不需要晓得 任何其余内部接口的存在。

对于 Clean Architecture 的介绍到此为止，有趣味的同学能够自行查阅 google。

背景

最近写了很多业务代码，因为每个组件都是分布式部署的，导致手动测试时十分的苦楚，耗时耗力。于是我便开始思考自动化测试的计划。

目前业务中一部分的代码应用了 Storm 这个框架，咱们挑一个不便了解的用例，这里大略波及三个组件：

  • ReadSpout：从 kafka、database 读取音讯，并将其下发
  • DispatcherBolt：读取上游下发的音讯，并依据肯定的规定散发——比方主键（最近又减少了自定义键和组合键），而后将关键字雷同的数据放在一起，而后下发
  • KafkaWriteBolt：读取上游下发的音讯，将关键字一样的数据写入 kafka

DispatcherBolt 的外围代码大抵如下：

    @Override
    public void prepare(Map conf, TopologyContext context, OutputCollector collector) {super.prepare(conf, context, collector);
        try {init();
        } catch (Exception e) {collector.reportError(e);
            throw new RuntimeException(e);
        }
    }

    @Override
    public void execute(Tuple dataTuple) {
        this.input = dataTuple;
        try {Object obj = dataTuple.getValueByField(EmitFields.MESSAGE);
            String key = (String) dataTuple.getValueByField(EmitFields.GROUP_FIELD);
            List<MessageEntry> messageEntries = (List<MessageEntry>) obj;
            emitMessageEntry(key, messageEntries);
            this.collector.ack(dataTuple);
        } catch (Exception e) {logger.info("Dispatcher Execute error:", e);
            this.collector.reportError(e);
            this.collector.fail(dataTuple);
        }
    }

    private void emitMessageEntry(String key, List<MessageEntry> messageEntries) throws Exception {
        long lastPos = 0L, uniquePos = 0L, payloadSize = 0L;
        UmsMessageBuilder builder = null;
        // 解决任一 schema 分组的表数据
        String tableName = messageEntries.get(0).getEntryHeader().getTableName();
        for (MessageEntry msgEntry : messageEntries) {EntryHeader header = msgEntry.getEntryHeader();
            header.setLastPosition(lastPos);
            // 若应用 schema 进行分组，则同一组数据中可能会呈现多张表的情景，须要处理表名呈现切换的状况
            if (StringUtils.isEmpty(tableName) || (getExtractorConfig().getGroupType() == GroupType.SCHEMA && !StringUtils.equalsIgnoreCase(tableName, header.getTableName()))) {emitBuilderMessage(builder, key);
                builder = createUmsDataBuilder(msgEntry, destination, msgEntry.getBatchId(),
                        MediaType.DataSourceType.getTypeByName(getExtractorConfig().getNodeType()));
                payloadSize = 0;
            }
            // DDL 解决
            if (msgEntry.isDdl()) {emitBuilderMessage(builder, key);
                executeDdlEvent(msgEntry);
                emitDDLMessage(key, msgEntry);
                builder = null;
                continue;
            }


            if (builder != null && msgEntry.getEntryHeader().getHeader().getSourceType().equalsIgnoreCase(MediaType.DataSourceType.ORACLE.getName())) {emitBoltMessage(key, builder.getMessage());
                builder = createUmsDataBuilder(msgEntry, destination, msgEntry.getBatchId(),
                        MediaType.DataSourceType.getTypeByName(getExtractorConfig().getNodeType()));
                payloadSize = 0;
            }
            // DML 解决
            if (builder == null) {builder = createUmsDataBuilder(msgEntry, destination, msgEntry.getBatchId(),
                        MediaType.DataSourceType.getTypeByName(getExtractorConfig().getNodeType()));
                payloadSize = 0;
            }
            for (CanalEntry.RowData rowData : msgEntry.getRowDataLst()) {lastPos = Long.parseLong(header.getPosition()) + (++uniquePos);
                // 对 UPDATE 类型的增量数据非凡解决
                if (header.isUpdate()) {if (getExtractorConfig().getOutputBeforeUpdateFlg()) {payloadSize += appendUpdateBefore2Builder(builder, header, rowData, EventType.BEFORE.getValue().toLowerCase());
                    }
                    if (ExtractorHelper.isPkUpdate(rowData.getAfterColumnsList())) {payloadSize += appendUpdateBefore2Builder(builder, header, rowData, getEventTypeForUMS(CanalEntry.EventType.DELETE));
                    }
                }

                List<Object> payloads = new ArrayList<>();
                payloadSize += appendRowData2Builder(payloads, builder, header, rowData);
                builder.appendPayload(payloads.toArray());
                }
            }

        }
        // 最初一批数据发送
        emitBuilderMessage(builder, key);
    }

留神，这里的两个办法 prepare 和execute都是框架裸露进去的接口。如果开发者使用不当，则会导致业务代码和框架耦合。

计划 1：利用 IOC

这个计划在晚期的时候做过尝试，简略的来说就是将两头那段 emitMessageEntry 相干的代码形象成一个对象，并用接口示意。然而通过 spring 这种 IOC 框架注入进来，相似于：

    override fun prepare(topoConf: MutableMap<String, Any>, context: TopologyContext, collector: OutputCollector) {super.prepare(topoConf, context, collector)
        try {init()
            this.dispatcherServer = IOCUtil.getBean(DispatcherServer::class.java).init(collector)
        } catch (e: Exception) {collector.reportError(e)
            throw RuntimeException(e)
        }
    }
    override fun execute(input: Tuple) {val obj = dataTuple.getValueByField(EmitFields.MESSAGE)
            val key = dataTuple.getValueByField(EmitFields.GROUP_FIELD) as String
            val messageEntries = obj as List<MessageEntry>
            dispatcherService.dispatcherLogical(messageEntries,key)
    }

这样咱们在单元测试里能够间接将 dispatcherService 类注入进来，并本人实现一个 OutputCollector 用于收集散发的数据。而后将 mock 的参数填入，并断言后果是否合乎咱们的期待。

但因为 storm 会波及到散发相干事宜（如序列化），这会让业务代码有点变扭：

  1. 将这个 dispatcherService 成员在 Bolt 里申明为Transient
  2. 须要在初始化时初始化 IOC 容器
  3. 在初始化 IOC 容器后注入 dispatcherService

能够看到，咱们为了测试，居然不得不批改业务代码来 退出无关紧要的逻辑，这显然不是一个好的计划。

计划 2：Mockito

Mockito 实现的计划对业务没有任何入侵性，间接写测试代码即可，写进去的代码相似于：

@RunWith(PowerMockRunner::class)
@PowerMockIgnore("javax.management.*")
class DispatcherBoltTest {

    private lateinit var config: AbstractSinkConfig
    private lateinit var outputCollector: OutputCollector
    private lateinit var tuple: Tuple


    @Before
    fun atBefore() {config = PowerMockito.mock(AbstractSinkConfig::class.java)
        outputCollector = PowerMockito.mock(OutputCollector::class.java)
        tuple = PowerMockito.mock(Tuple::class.java)
    }

    private fun init(dispatcherBoltImpl: DispatcherBoltImpl) {reset(config)
        reset(outputCollector)
        reset(tuple)
        dispatcherBoltImpl.prepare(mutableMapOf(), PowerMockito.mock(TopologyContext::class.java), outputCollector)
    }

    @Test
    fun testSingleUms() {
        // 定义 mock 对象的一些行为
        `when`(config.configProps).thenReturn(Properties())

        // 将须要测试的类实例化
        val dispatcherBoltImpl = DispatcherBoltImpl(config)
        init(dispatcherBoltImpl)

        val umsMap = generateSingleUmsBo()
        val boMap = getBoMap(intArrayOf(1))

        // 定义 mock 对象的一些行为
        `when`(tuple.getValueByField(EmitFields.MESSAGE)).thenReturn(umsMap.messages)
        `when`(tuple.getValueByField(EmitFields.GROUP_FIELD)).thenReturn(umsMap.dispatchKey)
        `when`(tuple.getValueByField(EmitFields.EX_BO)).thenReturn(boMap)

        dispatcherBoltImpl.handleDataTuple(tuple)

        // 后果验证
        Mockito.verify(outputCollector, Mockito.times(1))
                .emit(EmitFields.DATA_MSG, tuple, Values(umsMap.dispatchKey, umsMap.messages,
                        boMap,
                        EmitFields.EMIT_TO_BOLT))
    }
}

逻辑很清晰易懂：先抉择须要 mock 的对象，并定义其被 mock 的行为，而后把数据填装进去即可，最初依据后果校验。

但如果把视线放高点看，有两个潜在的问题须要思考：

  1. 目前该类的业务逻辑比较简单，所以咱们须要关注的链路也较少——这体现在咱们对于 mock 对象的 mock 行为编写上。换句话说，该类越简单，咱们就须要编写越多的 mock 代码。
  2. 目前咱们的业务和框架是紧耦合的，那么咱们测试时须要将框架的行为一起思考进去。同时也意味着框架行为变动时（如降级），测试用例须要大量变更。亦或是更换框架时，测试用例会变得简直不可用。** 这曾经违反整洁架构的准则了——业务须要独立于框架，而不是严密耦合。

计划 3：Clean Architecture

依据后面提到的，咱们要做的第一件事就是剥离业务和框架的耦合。那么该如何剥离呢？咱们间接拿出答案：

/**
 * 剥离与任何流解决框架的耦合，仅关注 UMS 散发的服务
 * */
interface DispatcherServer {

    fun dispatcherMessageEntry(key: String, messageEntries: List<MessageEntry>, destination: String,
                               tableToDispatchColumn: HashMap<String, Set<String>>,
                               resultConsumer: (group: MutableMap<Int, UmsMessageBuilder>, key: String) -> Unit,
                               executeDdlEventBlock: (messageEntry: MessageEntry) -> Unit,
                               ddlMessageConsumer: (key: String, messageEntry: MessageEntry) -> Unit)
}

咱们定义了三个函数型参数。利用这种形式，咱们能够轻易的将业务和框架隔离开来。于是代码调用起来就像这样：

    override fun execute(dataTuple: Tuple) {
        input = dataTuple
        try {val obj = dataTuple.getValueByField(EmitFields.MESSAGE)
            val key = dataTuple.getValueByField(EmitFields.GROUP_FIELD) as String
            val messageEntries = obj as List<MessageEntry>
            dispatcherServer.dispatcherMessageEntry(key, messageEntries, destination, tableToDispatchColumn,
                    resultConsumer = {builder, innerKey -> emitBuilderMessage(builder, innerKey) },
                    executeDdlEventBlock = {entry -> executeDdlEvent(entry) },
                    ddlMessageConsumer = {innerKey, msgEntry -> emitDDLMessage(innerKey, msgEntry) }
            )

            collector.ack(dataTuple)
        } catch (e: Exception) {logger.info("Dispatcher Execute error:", e)
            collector.reportError(e)
            collector.fail(dataTuple)
        }
    }

emitBuilderMessage、executeDdlEvent、emitDDLMessage只是 DispatcherBolt 中的一个公有办法，外面会将传入的数据通过 collector 依照肯定规定下发上来。这样，咱们就将框架相干的代码放在了 DispatcherBolt 里。

而和框架无关的业务代码，咱们则能够将它放到 DispatcherServer 的实现中去。

测试的代码也能够专一在测试业务逻辑上：

    @Test
    fun testUpdateRecords() {
        val originNamespace = "my_schema.my_table"
        val mockData = listOf(getUpdate1Data())
        val config = getMockConfig(extractorConfigJsonFile)
        config.outputBeforeUpdateFlg = false
        config.outputExtraValueFlg = false
        config.payloadType = PayloadType.SIZE
        config.maxPayloadSize = 10240
        val dispatcherServer = DispatcherServerImpl(config)
        val resultMap = mutableMapOf<Int, UmsMessageBuilder>()

        dispatcherServer.dispatcherMessageEntry(originNamespace, mockData, "M26", hashMapOf(),
                resultConsumer = { builder, innerKey ->
                    resultMap.putAll(builder)
                    Assert.assertEquals(innerKey, originNamespace)
                },
                executeDdlEventBlock = {throw  RuntimeException("这堆数据中不应该呈现 DDL 事件") },
                ddlMessageConsumer = {_, _ -> throw  RuntimeException("这堆数据中不应该呈现 DDL 相干的后果") })


        assertEquals(1, resultMap.keys.toSet().size, "以后数据中，应该被分为 3 组——依据主键散发准则，他们来自于不同的主键")
        assertEquals(1, resultMap.size, "以后数据中，应该被分为 3 组——依据主键散发准则，他们来自于不同的主键")
        val umsList = resultMap.values.map {it.message}
        umsList.forEach {Assert.assertEquals("m.M26.my_schema.my_table", it.schema.namespace)
            Assert.assertEquals(1, it.payloads.size)
            assertEquals(9, it.schema.fields.size, "5 个扩大字段 + 4 个 schema 字段应该为 9")
            Assert.assertEquals("inc", it.protocol.type)
            Assert.assertEquals("2", it.protocol.version)
            assertEquals(MediaType.DataSourceType.MYSQL, KafkaKeyUtils.getDataSourceType(it))
        }
    }

看完了成果，咱们再来谈谈下面所用到技巧。其实这很像 面向对象中的 Strategy 模式——定义一个算法接口，并将每一种算法都在这个接口下实现其逻辑，令同一个类型的算法可能调换应用。这样做的益处是算法的变动不影响应用方，也不受应用方的影响。而如果函数是一等公民的话，则会让建设和操纵各种策略的工作变得非常简略。

那么怎么是不简略的呢？如果用 java 的话，咱们得先定义一个专门的接口，申明一个办法，在应用时用匿名外部实现将它传入，但这其实没什么必要，因为咱们仅仅想传一个函数进去，而不是对象。典型的代码能够见：

ZStack 源码分析之设计模式鉴赏——策略模式：https://segmentfault.com/a/11…

设计模式要做的事不外乎 缩小代码冗余度，进步代码复用性。而在函数式语言中，复用次要体现为通过参数来传递作为第一等语言成分的函数，各种函数式编程库都频繁地使用了这种手法。与面向对象语言相比（以类型为单位），函数式语言的重用产生于较粗的粒度级别上（以行为为单位），着眼于提取一些共通的运作机制，并参数化地调整其行为。

正文完
java
发表至： java
2020-09-13
 0
关于java:ERP收付款的操作与设计开源软件诞生22
关于java:微信商城开源版二次开发一
Spring4Springmvcquartz实现多线程动态定时调度
关于java:Java-常用函数式接口-Consumer接口