Nowy standard. Twoje centrum tworzenia inteligentnego, szybkiego i zrównoważonego oprogramowania AI

Zobacz teraz
Słownik/Jakość, bezpieczeństwo i zgodność

Testy jednostkowe

Praktyka sprawdzania najmniejszych fragmentów kodu, które da się przetestować, zwykle pojedynczej funkcji lub klasy, w oderwaniu od reszty systemu. Każdy test podaje danej jednostce określone dane wejściowe i potwierdza, że zwraca oczekiwany wynik.

Czym są testy jednostkowe?

Każda zmiana w bazie kodu rodzi to samo pytanie: czy coś, co wcześniej działało, właśnie się zepsuło? Testy jednostkowe odpowiadają na nie w kilka sekund, dla najmniejszych elementów systemu, zanim zmiana w ogóle opuści komputer dewelopera.

Test jednostkowy wywołuje fragment kodu z określonymi danymi wejściowymi i porównuje wynik z oczekiwaną wartością. Jeśli funkcja obliczająca łączną kwotę faktury zwraca dziś 118,00 dla danego zamówienia, test jednostkowy utrwala to zachowanie. Gdy ktoś później przeprowadzi refaktoryzację logiki podatkowej i funkcja zacznie zwracać 117,99, test zakończy się błędem i wskaże dokładnie tę funkcję, która się zmieniła.

To, co uznaje się za „jednostkę”, zależy od decyzji zespołu. Niektóre zespoły testują każdą funkcję w ścisłej izolacji i zastępują każdy współpracujący element odpowiednikiem testowym. Inne traktują jako jedną jednostkę małą grupę klas, które razem realizują dane zadanie, i podmieniają tylko zależności wolne lub nieprzewidywalne, takie jak baza danych czy zewnętrzne API. Oba podejścia to testy jednostkowe. Łączą je szybkość i niezależność: każdy test działa szybko i nie zależy od żadnego innego testu ani od współdzielonego stanu.

Testy jednostkowe znajdują się u podstaw piramidy testów, modelu spopularyzowanego przez Mike’a Cohna w książce Succeeding with Agile (2009). Sednem tej piramidy są proporcje: im tańszy i szybszy jest dany rodzaj testu, tym więcej powinno go być w dobrze zbudowanym zestawie testów.

Dlaczego testy jednostkowe są ważne?

  • Utrzymują niski koszt zmian w bazie kodu. Bez testów jednostkowych każda edycja niesie ze sobą nieznane ryzyko, więc zespoły reagują, zmieniając mniej. Kod, którego nikt nie odważa się ruszyć, zastyga wokół pierwszego projektu i właśnie tak narasta [technical debt]. Gęsty zestaw testów jednostkowych, który sprawdza zachowanie zamiast szczegółów implementacji, sprawia, że refaktoryzacja staje się rutynową pracą, a architektura może nadążać za produktem.

  • Wychwytują błędy wtedy, gdy ich naprawa zajmuje minuty. Błąd wskazany przez niezaliczony test jednostkowy trafia do osoby, która go wprowadziła, gdy kontekst jest jeszcze świeży. Ten sam błąd wykryty na środowisku stagingowym lub produkcyjnym wymaga najpierw odtworzenia, a potem prześledzenia go w kodzie, którego ta osoba mogła nawet nie pisać.

Jak działają testy jednostkowe?

Testy jednostkowe działają w pętli: runner uruchamia małe testy przy każdej zmianie, a pipeline CI blokuje merge, dopóki którykolwiek z nich kończy się błędem.

  • Przygotowanie, działanie, asercja. Większość testów jednostkowych opiera się na tym nazwanym, trzyetapowym schemacie. Test przygotowuje dane wejściowe i stan potrzebny jednostce, wywołuje ją raz, a następnie porównuje wynik z oczekiwaną wartością. Wyraźne oddzielenie tych kroków sprawia, że niezaliczony test łatwo odczytać.

  • Test doubles zastępują zależności, które są wolne lub nieprzewidywalne. Gdy jednostka zależy od bazy danych albo zewnętrznego API, test podstawia odpowiednik testowy nazywany test double. Stub zwraca przygotowane wcześniej odpowiedzi, a mock dodatkowo zapisuje sposób wywołania, żeby test mógł sprawdzić samą interakcję.

  • Runner testów wykrywa i uruchamia cały zestaw. Frameworki takie jak Jest czy pytest znajdują pliki testowe na podstawie konwencji nazewniczej i raportują każdą nieudaną asercję wraz z oczekiwaną i faktycznie otrzymaną wartością. Większość runnerów potrafi też ponownie uruchamiać tylko testy objęte zmianą, co pozwala utrzymać szybki feedback wraz z rozrostem zestawu.

  • Continuous integration zamienia zestaw testów w bramkę. Pipeline [CI/CD] uruchamia pełny zestaw testów jednostkowych przy każdym pushu, a niezaliczony test blokuje merge. Bez tego kroku nic nie powstrzymuje zepsutego testu przed pozostawaniem w zestawie przez tygodnie.

  • Narzędzia do mierzenia pokrycia pokazują, czego zestaw testów nigdy nie dotyka. Raport pokrycia zaznacza, które linie i gałęzie zostały wykonane podczas uruchamiania testów. Ujawnia nietestowany kod, ale nie mówi, czy testy, które się uruchomiły, sprawdzają coś sensownego.

  • Test-driven development odwraca kolejność. W TDD deweloperzy pracują w cyklu red-green-refactor: piszą test, który początkowo kończy się błędem, następnie dopisują tylko tyle kodu, ile potrzeba, by go zaliczyć, a potem porządkują rozwiązanie, mając test jako zabezpieczenie. Wiele zespołów pisze testy dopiero po kodzie, i obie drogi prowadzą do testów jednostkowych.

Jakich narzędzi zespoły używają do testów jednostkowych?

W większości stosów technologicznych framework testowy łączy się z osobnymi narzędziami do pozorowania zależności i do oceny, na ile zestaw testów rzeczywiście jest wart wysiłku.

Jakie frameworki uruchamiają testy jednostkowe?

W projektach JavaScript i TypeScript dominują Jest i Vitest, przy czym Vitest powstał tak, by współdzielić konfigurację z narzędziem do kompilacji Vite. Zespoły Pythona najczęściej używają pytest, zespoły Javy i Kotlina, JUnit, a zespoły pracujące z Ruby on Rails zwykle sięgają po RSpec.

Jakie biblioteki odpowiadają za mocking?

Mockito to standardowa biblioteka do mockowania w Javie. Sinon.js dostarcza stuby i spy dla JavaScriptu, choć Jest i Vitest mają własne mechanizmy mockowania wbudowane w framework. Python zawiera unittest.mock w bibliotece standardowej.

Jakie narzędzia mierzą jakość zestawu testów?

Istanbul (JavaScript, używany przez tryb coverage w Jeście i przez nyc), Coverage.py (Python) i JaCoCo (Java) raportują pokrycie linii i gałęzi. Narzędzia do testów mutacyjnych, takie jak Stryker i PIT, idą krok dalej: wprowadzają celowo drobne zmiany w kodzie, na przykład zamieniają > na >=, i sprawdzają, czy któryś test kończy się błędem.

Jakie są najważniejsze cechy testów jednostkowych?

  • Izolacja. Test jednostkowy powinien kończyć się błędem tylko wtedy, gdy nie działa sama testowana jednostka. Jeśli test może nie przejść dlatego, że sieć nie działa albo poprzedni test zostawił po sobie dane, to sprawdza też środowisko.

  • Szybkość. Testy jednostkowe są na tyle szybkie, że można je uruchamiać po każdym zapisie. Ta szybkość zmienia sposób pracy deweloperów, bo feedback przychodzi wtedy, gdy zmiana jest jeszcze świeżo w głowie.

  • Deterministyczność. Ten sam kod daje ten sam wynik przy każdym uruchomieniu. Test, który raz przechodzi, a raz kończy się błędem, czyli tzw. flaky test, uczy zespół ignorowania czerwonych buildów i podważa zaufanie do całego zestawu.

  • Wykonywalna dokumentacja. Dobrze nazwany test, taki jak returns_zero_tax_for_exempt_customers, opisuje zamierzone zachowanie tuż obok sprawdzenia, które je egzekwuje, dzięki czemu trudniej dopuścić do rozjazdu między jednym a drugim.

Jakie korzyści dają testy jednostkowe?

  • Szybsze debugowanie. Niezaliczony test jednostkowy wskazuje jedną funkcję i jedno oczekiwanie. Deweloperzy zaczynają od przyczyny, a nie od objawu oddalonego o kilka warstw.

  • Presja na lepszy projekt. Kod, który trudno objąć testami jednostkowymi, zwykle robi zbyt wiele albo sięga do zbyt wielu zależności. Samo pisanie testu ujawnia to wcześnie, gdy podział kodu wciąż jest tani.

  • Krótsze code review. Osoby recenzujące mogą zajrzeć do testów i zobaczyć, co autor chciał osiągnąć. Dzięki temu skupiają się na logice, zamiast ręcznie sprawdzać przypadki brzegowe.

  • Szybszy onboarding. Nowi deweloperzy mogą zmieniać nieznane moduły bez tego, żeby senior sprawdzał każdą edycję. Jeśli zmiana naruszy założenie, o którego istnieniu nie wiedzieli, test pokaże to od razu.

  • Podstawa częstych wydań. Szybki i zaufany zestaw testów zastępuje dużą część ręcznego sprawdzania regresji przed każdym wydaniem. Dzięki temu [continuous delivery] staje się praktyczne, bo przed każdym wdrożeniem nikt nie musi ręcznie potwierdzać starego zachowania.

Jakie wyzwania wiążą się z testami jednostkowymi?

  • Testy powiązane z implementacją psują się przy nieszkodliwych zmianach. Intensywne korzystanie z mocków wiąże test z tym, jak jednostka wykonuje swoje zadanie, więc refaktoryzacja, która nie zmienia zachowania, i tak wywołuje czerwony zestaw testów. Ten problem ogranicza testowanie przez publiczne interfejsy i z mniejszą liczbą mocków, ale wtedy każdy test obejmuje więcej kodu, a błąd mniej precyzyjnie wskazuje przyczynę.

  • Cele pokrycia zachęcają do pustych testów. Narzucony procent pokrycia premiuje testy, które wykonują linie kodu, nie sprawdzając niczego użytecznego. Testy mutacyjne obnażają takie przypadki, ale kosztują więcej, bo wymagają ponownego uruchamiania testów dla każdej wprowadzonej przez siebie zmiany w kodzie, dlatego zespoły często ograniczają je do nocnych uruchomień albo zmienionych plików.

  • Nawet zaliczone testy jednostkowe mogą składać się na zepsuty system. Mock zapisuje założenie dewelopera na temat zachowania zależności, a w samym zestawie testów jednostkowych nic nie konfrontuje tego założenia z rzeczywistą zależnością. Żeby zamknąć tę lukę, trzeba dodać testy integracyjne albo kontraktowe, które działają wolniej i potrzebują więcej infrastruktury, by pozostawać sprawne.

  • Zestaw testów to też kod, który wymaga utrzymania. Testy trzeba aktualizować, gdy zmieniają się wymagania, a duży zestaw podnosi koszt każdej funkcji. Usuwanie testów o niskiej wartości pozwala utrzymać lekki zestaw, ale ktoś doświadczony musi ocenić, które testy nadal zasługują na swoje miejsce, a na to rzadko planuje się budżet.

  • Kod legacy opiera się izolacji. Kod pisany bez testów często ukrywa zależności, takie jak globalny stan czy bezpośrednie wywołania bazy danych, które uniemożliwiają testowanie w izolacji. Zespoły pracujące nad [legacy system modernization] zwykle zaczynają od testów charakteryzujących, które zapisują obecne zachowanie, techniki opisanej przez Michaela Feathersa w książce Working Effectively with Legacy Code (2004). Takie testy zwiększają bezpieczeństwo zmian, ale jednocześnie utrwalają istniejące błędy, dopóki ktoś nie zdecyduje, które zachowanie jest niewłaściwe.

Czym różnią się testy jednostkowe od testów integracyjnych?

Testy jednostkowe sprawdzają pojedynczy fragment kodu w izolacji, a testy integracyjne weryfikują, czy kilka elementów działa poprawnie razem.

Aspekt

Testy jednostkowe

Testy integracyjne

Zakres

Jedna funkcja, metoda, klasa albo mała grupa klas

Dwa lub więcej komponentów albo komponent i działająca zależność, taka jak baza danych

Zależności

Zastąpione test doubles, wszystkimi albo tylko tymi wolnymi i nieprzewidywalnymi

Niektóre lub wszystkie są wersjami działającymi na żywo, często w kontenerach albo sandboxach dostawców

Co mówi błąd

Która jednostka i które oczekiwanie zostały naruszone

Że komponenty nie zgadzają się na granicy, ale przyczynę trzeba jeszcze znaleźć

Martwy punkt

Błędne założenia o tym, jak zachowują się zależności

Przypadki brzegowe wewnątrz jednostki, do których testowana ścieżka nigdy nie dociera

Kiedy się uruchamiają

Przy każdym zapisie i każdym pushu

Przy każdym pushu lub pull requeście, czasem tylko przed mergem

Udział w zdrowym zestawie testów

Największa warstwa piramidy testów

Mniejsza warstwa środkowa

FAQ o testach jednostkowych

Powiązane pojęcia

Testy jednostkowe: potrzebujesz wsparcia ekspertów?

Monterail tworzy oprogramowanie na zamówienie z wykorzystaniem najnowszych technologii. Porozmawiajmy o tym, jak możemy pomóc w Twoim projekcie.

EXPLORE WEB DEVELOPMENT SERVICES