Wcześniej miałem trochę doświadczenia w testowaniu jednostkowym, w tym, co nazywam (nie pejoratywnie) klasycznym projektem inżynierii oprogramowania: MVC, z graficznym interfejsem użytkownika, bazą danych, logiką biznesową w warstwie środkowej itp. Teraz „ piszę naukową bibliotekę komputerową w C # (tak, wiem, że C # jest zbyt wolny, używaj C, nie wymyślaj ponownie koła i tak dalej, ale mamy wielu ludzi wykonujących obliczenia naukowe na moim wydziale w C #, i tego potrzebujemy). To mały projekt, jeśli chodzi o branżę programistyczną, ponieważ piszę go głównie sam i od czasu do czasu z pomocą kilku kolegów. Ponadto nie otrzymuję za to zapłaty, a co najważniejsze, jest to projekt akademicki. To znaczy, spodziewam się, że któregoś dnia będzie miał profesjonalną jakość, ponieważ planuję przejść na open source,
W każdym razie projekt staje się duży (około 18 000 linii kodu, co myślę, że jest duży dla projektu jednego człowieka) i wymyka mi się z rąk. Używam git do kontroli źródła i myślę, że wszystko w porządku, ale testuję jak w starej szkole, to znaczy piszę aplikacje na konsole, które testują dużą część systemu, głównie dlatego, że nie mam pojęcia, jak to zrobić wykonać testy jednostkowe w tym scenariuszu, chociaż uważam, że właśnie to powinienem zrobić. Problem polega na tym, że biblioteka zawiera głównie algorytmy, na przykład algorytmy grafowe, klasyfikatory, solwery numeryczne, losowe rozkłady itp. Po prostu nie wiem, jak określić małe przypadki testowe dla każdego z tych algorytmów, a ponieważ wiele z nich jest stochastyczny Nie wiem, jak zweryfikować poprawność. Na przykład do klasyfikacji są niektóre wskaźniki, takie jak precyzja i przywołanie, ale te wskaźniki są lepsze do porównywania dwóch algorytmów niż do oceny jednego algorytmu. Jak mogę tutaj zdefiniować poprawność?
Wreszcie istnieje również problem wydajności. Wiem, że jest to zupełnie inny zestaw testów, ale wydajność jest jedną z ważnych cech narzędzi naukowych, a nie satysfakcji użytkownika lub innych mierników inżynierii oprogramowania.
Jednym z moich największych problemów jest struktura danych. Jedynym testem, jaki mogę wymyślić dla drzewa kd, jest test warunków skrajnych: wstaw wiele losowych wektorów, a następnie wykonaj wiele losowych zapytań i porównaj z naiwnym wyszukiwaniem liniowym. To samo dotyczy wydajności. Z optymalizatorami numerycznymi mam funkcje testowe, które mogę przetestować, ale z drugiej strony jest to test warunków skrajnych. Nie sądzę, aby testy te można było zaklasyfikować jako testy jednostkowe, a co najważniejsze, działały nieprzerwanie, ponieważ większość z nich jest dość ciężka. Ale myślę też, że te testy muszą zostać wykonane, nie mogę po prostu wstawić dwóch elementów, wcisnąć root, i tak, to działa w przypadku 0-1-n.
Jakie zatem jest podejście testowe (jednostkowe) dla tego rodzaju oprogramowania? I jak zorganizować testy jednostkowe i te ciężkie wokół cyklu budowania kodu-zatwierdzania-integracji?
źródło