unit-testing - 单元测试大数据集？

Question

对大型数据集进行单元测试的最佳方法是什么？我正在维护的一些遗留代码具有一百个或更多成员的结构；我们正在处理的代码的其他部分创建或分析数百个样本的数据集。

到目前为止，我发现的最佳方法是从磁盘序列化结构或数据集，执行被测操作，将结果序列化到磁盘，然后将包含序列化结果的文件与包含预期结果的文件进行比较。这并不是非常快，并且违反了单元测试的“不接触磁盘”原则。然而，我能想到的唯一替代方法(编写代码来初始化和测试数百个成员和数据点)似乎令人难以忍受。

有没有更好的解决方案？

Answer 1

如果您想要实现的实际上是一个单元测试，您应该模拟底层数据结构并模拟数据。这种技术使您可以完全控制输入。例如，您编写的每个测试可能处理单个数据点，并且您将针对每个条件拥有一组非常简洁的测试。有几个开源模拟框架，我个人推荐 Rhino Mocks ( http://ayende.com/projects/rhino-mocks/downloads.aspx ) 或 NMock ( http://www.nmock.org )。

如果您无法模拟数据结构，我建议您进行重构，以便您能够:-) 值得!或者您可能还想尝试允许模拟具体类的 TypeMock ( http://www.typemock.com/ )。

但是，如果您针对大型数据集进行测试，那么您实际上是在运行功能测试而不是单元测试。在这种情况下，将数据加载到数据库或从磁盘是一种典型的操作。与其避免它，您应该努力让它与自动化构建过程的其余部分并行运行，这样性能影响就不会阻碍您的任何开发人员。