淺析Python 測試框架進程配置
對于一些從事項目開發的開發人員就像是早期的拾荒者，他們需要以一種統一的方式在大型代碼基上發現和運行測試，為了開發Python 測試框架，這個Python 測試框架現在仍然得到廣泛使用。
目前，測試的運行頻率越來越高了。許多團隊已經采用了連續測試，也就是對團隊版本控制系統的每次簽入（check-in）都要運行項目測試。隨著測試驅動開發方法越來越流行。
許多開發人員在開始編寫新模塊的代碼之前先為模塊編寫和運行測試。如果測試的運行時間很長，就會嚴重影響開發人員的生產力。因此，用盡可能多的計算能力運行測試是很有益處的。
對于小規模項目，這可能意味著使用計算機的所有 CPU 核運行多個測試進程。對于更大的項目，要配置完整的測試計算機群，要么使用專用服務器并行地運行測試，要么使用所有開發人員工作站的空閑時間。
在并行和分布式測試方面，本文討論的三種測試框架有非常顯著的差異：zope.testing 命令行有一個 -j 選項，它指定應該啟動多個測試進程，而不是在同一進程中執行所有測試。因為每個進程可以在不同的 CPU 核上運行，所以如果在有四個 CPU 的計算機上運行 -j 4，就可以同時用四個 CPU 運行測試。
nose 項目報告說，他們已經把對并行測試的支持提交到項目 trunk，但是一般用戶要等到下一個版本才能試用這個特性。py.test 工具支持一個多處理選項 (-n)，可以像 zope.testing 一樣在多個 CPU 核上運行測試。另外，它還提供管理工具，可以在整個測試服務器群中分布測試。
在這三種框架中，py.test 看起來在并行測試方面明顯領先了。可以指定多個 --tx 選項，每個選項描述要運行測試的一個環境或遠程服務器。而且，它實際上支持針對兩個完全不同的原因分布測試！在使用 --dist=load 時，它將使用服務器群按照傳統方式在多臺計算機上運行測試，從而減少測試花費的時間。
但是，在使用 dist=each 時，它的做法就比較復雜了；它確保每個測試在 py.test 可用的每個測試環境中運行。這意味著 py.test 可以同時在多個 Python 解釋器版本和多個操作系統上運行測試。因此，如果項目支持多個平臺。
希望測試解決方案能夠自動地支持多平臺，而不需要通過編寫腳本把測試復制到不同的平臺并運行它們，那么 py.test 的這個特性是非常吸引人的。定制和可擴展性這三種測試框架都為單獨的用戶和整個項目提供定制能力，可以根據需要選擇測試框架的行為和選項。
在 Zope 包中，指定默認選項的 buildout 常常調用 zope.testing 模塊。這意味著運行測試的開發人員會得到統一的結果集。但是，如果在項目級上選擇的行為無法滿足他們的需要，他們仍然可以指定自己的命令行開關。
nose 框架通過用戶主目錄中的 nose.cfg 或 .noserc 文件支持用戶個性化定制，用戶可以在這些文件中指定測試結果的顯示方式。對于 py.test 和 nose 框架，都可以提供針對整個項目的選項。py.test 框架會在它測試的項目中尋找conftest.py 文件，然后在這個文件中尋找針對整個項目的選項。
比如是否檢測并運行 doctest 以及應該使用哪種模式檢測測試文件和函數。nose 框架尋找項目范圍的setup.cfg 文件（這是提供 Python 測試框架的相關信息的標準方式），然后在其中尋找 [nosetests] 節。
另外，py.test 和 nose 都支持插件，這些用戶提供的模塊可以安裝新的命令行選項和在工具中添加新行為，但是它們提供的配置和能夠實現的功能有差異。 在過去，每個 Python 測試框架都使用自己的習慣做法；
采用新一代 Python 測試框架，就能夠提供簡潔的習慣做法和統一的測試技術。下一篇文章 要開始研究每種框架實現的測試機制，也就是它們用來搜索測試模塊和測試文件的技術。請繼續閱讀下一篇文章。
【編輯推薦】
