Simulation externer Abhängigkeiten in Pytest mit pytest-mock

Einführung

In der modernen Softwareentwicklung arbeiten Anwendungen selten isoliert. Sie interagieren häufig mit externen Diensten wie REST-APIs, Drittanbieterbibliotheken und Datenbanken. Obwohl diese Abhängigkeiten für die Funktionalität einer Anwendung entscheidend sind, stellen sie erhebliche Herausforderungen für Unit- und Integrationstests dar. Die Abhängigkeit von tatsächlichen externen Systemen während Tests kann zu langsamen Tests, Instabilität aufgrund von Netzwerkproblemen oder Dienstausfällen führen und sogar Kosten für die API-Nutzung verursachen. Hier kommt das Konzept des "Mockings" ins Spiel. Durch die Simulation dieser externen Abhängigkeiten können wir gesteuerte, vorhersagbare und schnelle Testumgebungen schaffen. Dieser Artikel untersucht, wie pytest-mock – ein leistungsstarkes Pytest-Plugin – genutzt werden kann, um externe API- und Datenbankaufrufe effektiv zu simulieren und so robuste und effiziente Tests Ihrer Python-Anwendungen zu gewährleisten.

Grundlegende Konzepte verstehen

Bevor wir uns der praktischen Implementierung mit pytest-mock zuwenden, lassen Sie uns einige grundlegende Konzepte klären:

• Mocking: Beim Testen wird beim Mocking ein reales Objekt oder eine Funktion durch ein Ersatzobjekt ersetzt, das das Verhalten des Originals simuliert. Dieses Ersatzobjekt, ein "Mock-Objekt" oder einfach ein "Mock", ermöglicht es Ihnen, Rückgabewerte zu steuern, Ausnahmen auszulösen und Interaktionen zu überwachen, alles ohne den ursprünglichen Code tatsächlich aufzurufen.
• Stubbing: Oft synonym mit Mocking verwendet, bezieht sich Stubbing speziell auf die Bereitstellung vorprogrammierter Antworten auf Methodenaufrufe während eines Tests. Der Hauptzweck eines Stubs ist es, vordefinierte Antworten auf Aufrufe während des Tests zu liefern, nicht das Verhalten zu überprüfen.
• Spying (Abhorchen): Beim Spying wird ein reales Objekt oder eine Funktion umhüllt, wobei dessen ursprüngliches Verhalten beibehalten wird. Der Spy zeichnet dann alle Interaktionen mit dem umhüllten Objekt auf, sodass Sie überprüfen können, ob bestimmte Methoden mit bestimmten Argumenten aufgerufen wurden. pytest-mock konzentriert sich hauptsächlich auf Mocking, obwohl seine Fähigkeiten erweitert werden können, um Interaktionen zu beobachten.
• Unit Testing: Konzentriert sich auf das Testen einzelner Einheiten oder Komponenten einer Softwareanwendung isoliert. Mocking ist hier entscheidend, um die zu testende Einheit von ihren Abhängigkeiten zu isolieren.
• Integration Testing: Überprüft die Interaktionen zwischen verschiedenen Einheiten oder Komponenten einer Anwendung. Während Integrationstests einige reale Abhängigkeiten beinhalten können, kann Mocking immer noch für extrem volatile oder kostspielige externe Dienste verwendet werden.

pytest-mock ist eine Pytest-Fixture, die eine praktische Hülle um die integrierte Bibliothek unittest.mock von Python bietet. Sie lässt sich nahtlos in das leistungsstarke Testframework von Pytest integrieren und bietet eine saubere und intuitive Möglichkeit, Mock-Objekte in Ihren Tests zu verwalten.

Simulation externer Abhängigkeiten mit pytest-mock

Das Kernprinzip der Verwendung von pytest-mock besteht darin, die tatsächlichen Objekte oder Funktionen, die mit externen Diensten interagieren, durch gesteuerte Mock-Objekte zu ersetzen. Dies geschieht typischerweise mit der Methode mocker.patch() der pytest-mock-Fixture.

Betrachten wir ein praktisches Beispiel. Stellen Sie sich vor, wir haben eine Python-Funktion, die Benutzerdaten von einer Remote-API abruft, und eine weitere, die Daten in einer Datenbank speichert.

Unser Anwendungscode (z. B. app.py):

import requests
import sqlite3

class User:
    def __init__(self, user_id, name, email):
        self.user_id = user_id
        self.name = name
        self.email = email

    def __repr__(self):
        return f"User(id={self.user_id}, name={self.name}, email={self.email})"

def fetch_user_from_api(user_id):
    """Ruft Benutzerdaten von einer Platzhalter-API ab."""
    api_url = f"https://jsonplaceholder.typicode.com/users/{user_id}"
    try:
        response = requests.get(api_url)
        response.raise_for_status()  # Löst eine Ausnahme für ungültige Statuscodes aus
        data = response.json()
        return User(data['id'], data['name'], data['email'])
    except requests.exceptions.RequestException as e:
        print(f"Fehler beim Abrufen des Benutzers: {e}")
        return None

def save_user_to_db(user):
    """Speichert Benutzerdaten in einer SQLite-Datenbank."""
    conn = None
    try:
        conn = sqlite3.connect('users.db')
        cursor = conn.cursor()
        cursor.execute('''
            CREATE TABLE IF NOT EXISTS users (
                id INTEGER PRIMARY KEY,
                name TEXT NOT NULL,
                email TEXT NOT NULL
            )
        ''')
        cursor.execute("INSERT INTO users (id, name, email) VALUES (?, ?, ?)",
                       (user.user_id, user.name, user.email))
        conn.commit()
        return True
    except sqlite3.Error as e:
        print(f"Fehler beim Speichern des Benutzers in der DB: {e}")
        return False
    finally:
        if conn:
            conn.close()

def get_and_save_user(user_id):
    """Ruft einen Benutzer ab und speichert ihn in der Datenbank."""
    user = fetch_user_from_api(user_id)
    if user:
        return save_user_to_db(user)
    return False

Schreiben wir nun Tests für get_and_save_user, ohne tatsächlich jsonplaceholder.typicode.com aufzurufen oder eine echte users.db-Datei zu erstellen.

Testen mit pytest-mock (z. B. test_app.py):

Stellen Sie zunächst sicher, dass Sie pytest und pytest-mock installiert haben: pip install pytest pytest-mock requests

import pytest
from unittest.mock import MagicMock
import app  # Unser Anwendungscode

# Testfall 1: Erfolgreiches Abrufen und Speichern
def test_get_and_save_user_success(mocker):
    # Mocken der requests.get-Methode
    mock_response = MagicMock()
    mock_response.status_code = 200
    mock_response.json.return_value = {
        'id': 1,
        'name': 'Leanne Graham',
        'email': 'sincere@april.biz'
    }
    mocker.patch('requests.get', return_value=mock_response)

    # Mocken der sqlite3.connect-Methode und ihrer zugehörigen Cursor-Funktionen
    mock_conn = MagicMock()
    # Sicherstellen, dass commit und close aufrufbar sind, aber für den Mock nichts tun
    mock_conn.commit.return_value = None
    mock_conn.close.return_value = None
    mock_conn.cursor.return_value.execute.return_value = None # Für CREATE TABLE und INSERT
    mocker.patch('sqlite3.connect', return_value=mock_conn)

    # Aufrufen der zu testenden Funktion
    result = app.get_and_save_user(1)

    # Assertions
    assert result is True
    # Überprüfen, ob requests.get aufgerufen wurde
    mocker.call_args_list[0].assert_called_once_with('https://jsonplaceholder.typicode.com/users/1') # Achtung: Dies ist kein gültiger Aufruf von mocker.call_args_list. Es müsste mock_response.assert_called_once_with(...) lauten, oder alternativ den Pfad zur Funktion, die es aufruft.
    # Überprüfen, ob sqlite3.connect aufgerufen wurde
    mock_conn.cursor.assert_called_once()
    mock_conn.cursor.return_value.execute.assert_any_call(
        '''
            CREATE TABLE IF NOT EXISTS users (
                id INTEGER PRIMARY KEY,
                name TEXT NOT NULL,
                email TEXT NOT NULL
            )
        '''
    )
    mock_conn.cursor.return_value.execute.assert_any_call(
        "INSERT INTO users (id, name, email) VALUES (?, ?, ?)",
        (1, 'Leanne Graham', 'sincere@april.biz')
    )
    mock_conn.commit.assert_called_once()
    mock_conn.close.assert_called_once()


# Testfall 2: API-Aufruf schlägt fehl (z. B. Netzwerkfehler)
def test_get_and_save_user_api_failure(mocker):
    # Mocken von requests.get, um eine Ausnahme auszulösen
    mocker.patch('requests.get', side_effect=requests.exceptions.RequestException("Network error"))
    mocker.patch('sqlite3.connect') # Selbst wenn die API fehlschlägt, wird sichergestellt, dass die DB nicht berührt wird

    result = app.get_and_save_user(1)
    assert result is False
    mocker.call_args_list[0].assert_called_once_with('https://jsonplaceholder.typicode.com/users/1') # Siehe Anmerkung oben
    # Sicherstellen, dass sqlite3.connect NICHT aufgerufen wurde
    app.sqlite3.connect.assert_not_called()


# Testfall 3: Datenbank-Speicherung schlägt fehl
def test_get_and_save_user_db_failure(mocker):
    # Mocken einer erfolgreichen API-Antwort
    mock_response = MagicMock()
    mock_response.status_code = 200
    mock_response.json.return_value = {
        'id': 1,
        'name': 'Leanne Graham',
        'email': 'sincere@april.biz'
    }
    mocker.patch('requests.get', return_value=mock_response)

    # Mocken von sqlite3.connect, um während des Commits einen Fehler auszulösen
    mock_conn = MagicMock()
    mock_conn.cursor.return_value.execute.return_value = None
    mock_conn.commit.side_effect = sqlite3.Error("Database write error")
    mocker.patch('sqlite3.connect', return_value=mock_conn)

    result = app.get_and_save_user(1)
    
    assert result is False
    mocker.call_args_list[0].assert_called_once_with('https://jsonplaceholder.typicode.com/users/1') # Siehe Anmerkung oben
    # Überprüfen von DB-Verbindungs- und Commit-Versuchen
    mock_conn.cursor.assert_called_once()
    mock_conn.commit.assert_called_once()
    mock_conn.close.assert_called_once() # Sicherstellen, dass die Verbindung auch bei Fehlern geschlossen wird

Erläuterung des Codebeispiels:

1. mocker-Fixture: pytest-mock stellt die mocker-Fixture bereit, die automatisch das Setup und den Abbau von Mock-Objekten übernimmt. Wenn ein Test endet, werden alle mit mocker erstellten Patches automatisch rückgängig gemacht, wodurch Testverschmutzung verhindert wird.
2. mocker.patch('modul.objekt', ...): Dies ist die primäre Methode zum Mocking.
   • Das erste Argument ('requests.get') ist ein String, der den vollständig qualifizierten Pfad des zu mockenden Objekts darstellt. Es ist wichtig, dort zu patchen, wo das Objekt nachgeschlagen wird, nicht unbedingt dort, wo es definiert ist. In unserem app.py wird requests.get direkt aufgerufen, daher patchen wir requests.get.
   • Für die Datenbank muss sqlite3.connect aufgerufen werden. Es ist wichtig, die Mocks für Objekte zu verketten, die vom anfänglichen Mock zurückgegeben werden. Zum Beispiel ermöglicht mock_conn.cursor.return_value.execute das Mocken der execute-Methode des cursor-Objekts, das connect zurückgeben würde.
3. return_value: Dieser Attribut eines Mock-Objekts gibt an, was es zurückgeben soll, wenn es aufgerufen wird. Für mock_response.json setzen wir seinen return_value auf ein Wörterbuch, das die JSON-Antwort der API nachahmt.
4. side_effect: Anstelle eines return_value kann side_effect verwendet werden, um den Mock eine Ausnahme auslösen oder eine Funktion aufrufen zu lassen, wenn er aufgerufen wird. Dies ist nützlich, um Fehlerbedingungen zu simulieren, wie in test_get_and_save_user_api_failure und test_get_and_save_user_db_failure gezeigt.
5. MagicMock: Dies ist eine vielseitige Mock-Klasse aus unittest.mock, die Objekte erstellt, die Attribute und Methoden automatisch erstellen, wenn darauf zugegriffen wird. Dies ist äußerst nützlich, um komplexe Objekte wie HTTP-Antworten oder Datenbankverbindungen zu simulieren, bei denen Sie sich nicht um jedes einzelne Attribut oder jede Methode kümmern.
6. Assertions auf Mocks: Nach dem Aufruf der gemockten Funktion können wir Assertionsmethoden des Mock-Objekts verwenden, um dessen Verhalten zu überprüfen:
   • mock.assert_called_once_with(...): Stellt sicher, dass der Mock genau einmal mit bestimmten Argumenten aufgerufen wurde.
   • mock.assert_any_call(...): Stellt sicher, dass der Mock mindestens einmal mit bestimmten Argumenten aufgerufen wurde.
   • mock.assert_not_called(): Stellt sicher, dass der Mock nie aufgerufen wurde.
   • mock.call_args_list: Bietet eine Liste aller an den Mock gestellten Aufrufe.

Fortgeschrittene Szenarien und bewährte Praktiken

• Klassen mocken: Sie können ganze Klassen mocken, um Mock-Instanzen zurückzugeben. Zum Beispiel würde mocker.patch('app.User', return_value=MagicMock()) dazu führen, dass app.User() ein MagicMock-Objekt zurückgibt.
• Context-Manager: Für eine granulare Mocking innerhalb einer with-Anweisung kann mocker.patch.object() verwendet werden, oft innerhalb eines with-Blocks für temporäres Mocking.
• Fixture-Scopes: Denken Sie an die Fixture-Scopes von Pytest. mocker hat normalerweise den Funktions-Scope, was bedeutet, dass Patches nach jedem Test entfernt werden. Wenn Sie einen persistenten Mock benötigen (z. B. für ein ganzes Modul), ziehen Sie autouse=True für eineFixture in Betracht, die mocker verwendet, oder konfigurieren Sie ihn globaler. Funktions-bezogene Mocks werden jedoch im Allgemeinen zur Isolierung und Übersichtlichkeit bevorzugt.
• Wann mocken vs. nicht mocken: Mocking eignet sich am besten für externe, unvorhersehbare oder teure Abhängigkeiten. Für internen, stabilen Code ist es oft besser, mit echten Implementierungen zu testen, um Integrationsprobleme aufzudecken.
• Übermäßiges Mocking: Seien Sie vorsichtig, Ihr eigenes System nicht zu übermäßig zu mocken. Wenn Sie zu viel mocken, können Ihre Tests zwar bestanden werden, Ihre reale Anwendung könnte jedoch immer noch fehlschlagen, da die Mocks das reale Verhalten nicht genau widerspiegeln oder Sie den Mock selbst testen und nicht Ihre Logik.

Fazit

pytest-mock bietet eine elegante und effektive Lösung, um Ihren Python-Code während des Testens von externen Abhängigkeiten zu isolieren. Wenn Sie lernen, mocker.patch() strategisch einzusetzen und die Fähigkeiten von unittest.mock-Objekten verstehen, können Sie die Geschwindigkeit, Zuverlässigkeit und Wartbarkeit Ihrer Testsuite erheblich verbessern. Durch das Akzeptieren des Mockings können sich Ihre Tests ausschließlich auf die Logik der zu prüfenden Einheit konzentrieren, was zu robusterer und qualitativ hochwertigerer Software führt. Das effektive Simulieren von Abhängigkeiten ist der Schlüssel zum Schreiben von widerstandsfähigen und effizienten Tests.