問題タブ [test-data]

フィールド (品目番号) が 1 つしかない汎用モジュール/BAPI に、テーブル タイプのインポート パラメータがあります。そのパラメータに何百行も入力してテストデータとして保存したい。

通常の手順では、新しい行を作成して、マテリアルを入力/貼り付けする必要があります。そして、バルクデータを貼り付けることができないため、これをすべてのマテリアルに対して繰り返す必要があります!

importing/table パラメータの一括データを入力して保存する最良の方法を知っている人はいますか?

次のシナリオをサポートする Java テスト ライブラリはありますか?

データベースベースの Web アプリケーション (例: Selenium を使用) の Web ブラウザ テストを作成する必要があるとします。一般的なテストには、次のワークフローがあります。

• テストデータをDBに挿入
• テスト ロジックを実行します (Web ブラウザーを開く、どこかに移動する、何かを操作する、正しいものが表示されるかどうかを検証する、DB の状態が正しく変更されたかどうかを検証する)
• DBをクリアする

特にこの種の統合テストの場合、Web アプリケーションを実行するためだけに多様なオブジェクトの複雑なセットが必要になることがよくあります (たとえば、ユーザー アカウント、製品、オーダーなどのビジネス関連のものが必要です)。テストを互いに独立させ、テストを並行して実行できるようにするには、おそらく のような疑似乱数オブジェクト属性を使用して、テストごとにこのオブジェクト ネットワークを作成する必要がありますuser.name="user_123"。

さて、私の意見では、テストごとに繰り返さなければならないことを行うのに適した場所は、@Before注釈付きのメソッドです。ただし、@Beforeメソッドが DB 状態を挿入する場合、テスト メソッドはこの状態にアクセスする方法 (たとえば、@Beforeメソッドが作成したユーザー オブジェクトを見つける方法) を認識しません。@Beforeメソッドによって設定され、テスト メソッドで使用できる、一種のテスト メソッド コンテキストがあると便利です。

私は自分でこのようなものを実装することを考えました.おそらくテストメソッド名をキーとする単純な静的ハッシュマップですが、おそらくこの機能を提供するライブラリがすでにあり、あなたはそれについて知っています;-) .

git を使用して、Python スクリプト ( script.py) と一連のテストの変更を管理します。このテストでは、このディレクトリ構造を持つテキスト入力データ ファイルを使用します。

ただし、一部の入力データ ファイルは非常に大きくなり始めます (> 1MB)。

git で、テスト用の入力データを管理するのに適しているのはどれですか?

...オンラインストレージで許可するかもしれませんが、入力データファイルの変更をどのように保存および確認するのですか? （提案？）

...またはライブラリを使用setuptoolsして、入力データテストが存在しないかどうかを確認してこれをダウンロードしますが、入力データファイルの変更をどのように保存および確認しますか?

編集

ここで、コミット後のフックに行を追加して、対応するコミット名をクラウド ディスク (ドロップボックス、Google ドライブなど) に持つ圧縮ファイルにデータ テストをバックアップします。

(サイズの小さい圧縮ファイルを取得するため、zip よりも 7z を好みます)

$CLOUD_DISK変数は で定義されます.bashrc。

編集2

私は自分の問題を解決するために、より完全な方法で取り組み始めました。

https://github.com/juanpabloaj/gitdata

私はMockerooと Excel を使用して、テスト データとして MySQL データベースに挿入されるいくつかの CSV ファイルを作成および編集しています。student_takes_module列module_IDとという名前のファイルがありますstudent_ID。

10000 の学生 ID と 500 のモジュールがあります。これが含まれるシステムの仕様では、各モジュールに 1 ～ 400 人の学生を登録する必要があります (したがってstudent_takes_module)。

この仕様に合わせてランダ​​ムstudent_IDと値をペアにする方法はありますか?module_ID

私は比較的大きな Web API アプリケーションを持っています。つまり、現在 300 までのテーブルがあります。

このアプリは、ストアド プロシージャを使用せず、ほとんどビューを使用しないように作成されています。つまり、ビジネス ロジックはすべてアプリ コードに含まれています。リポジトリ パターンを使用しているため、単体テスト用のモック データを比較的簡単に作成できます。

ただし、モック データを管理することは非常に難しく、特定の個人が既に存在するデータを把握することは非常に困難です。テスト データをモック ファクトリに移動して、1 つのファイルに保存し、必要に応じてさまざまなテストをロードできるようにしました (つまり、特定のテストはデータの特定のサブセットのみを必要とするため、そのサブセットを求めます）。

それでも、データの管理は非常に複雑で、アプリケーションから返されたデータに関するアサートも脆弱です。たとえば、モック データに 10 人の顧客が定義されており、そのうち 2 人が非アクティブとしてマークされているとします。すべてのアクティブな顧客を返す必要があるメソッドが 8 つのインスタンスを返す必要があることをテストするテスト ケースがある場合があります。ただし、開発者がテスト データに新しいインスタンスを追加する必要がある場合、既存のテスト/アサートが壊れます。

誰もこれを管理した経験がありますか、またはこれについて何か書かれていますか?

このようなLIBSVM形式のデータをSciPy疎行列に入力します。私が尋ねたこの質問で説明されているように、トレーニングセットはマルチラベルおよびマルチクラスです： scikit-learnでのデータの形式を理解する

次に with を使用OneVsRestClassifierしLinearSVCてデータをトレーニングします。

データをテストしたいときは、次のようにします。

ここでエラーが発生します。トレースバックをそのままここにダンプします。

トレースバック (最新の呼び出しが最後):

ファイル「test.py」の 36 行目

予測 = clf.predict(X_)

ファイル「/usr/lib/pymodules/python2.7/sklearn/multiclass.py」、151行目、予測

return predict_ovr(self.estimators_, self.label_binarizer_, X)

ファイル "/usr/lib/pymodules/python2.7/sklearn/multiclass.py"、67 行目、predict_ovr 内

Y = np.array([_predict_binary(e, X) for e in estimators])

ファイル「/usr/lib/pymodules/python2.7/sklearn/multiclass.py」、40行目、_predict_binary

return np.ravel(estimator.decision_function(X))

ファイル "/usr/lib/pymodules/python2.7/sklearn/svm/base.py"、728 行目、decision_function 内

self._check_n_features(X)

ファイル "/usr/lib/pymodules/python2.7/sklearn/svm/base.py"、748 行目、_check_n_features 内

X.shape[1]))

ValueError: X.shape[1] は 690 ではなく 3421 である必要があります。

入力形式が疎行列の場合に、なぜより多くの機能を探しているのかわかりません。テストラベルを正しく予測するにはどうすればよいですか?