Technical Tutorials

Test yapmak artık sadece bir güvenlik ağı değil; modern yazılım geliştirmenin omurgasıdır. Python geliştiricileri için pytest, basit, ölçeklenebilir ve güçlü testler yazmak için de facto standart haline gelmiştir. Ancak birçok geliştirici temel test kalıplarında sıkışıp kalmış, çerçevenin gerçek gücünden mahrum kalmaktadır. Bu kapsamlı kılavuzda, gelişmiş sabit yönetimi, dinamik parametreleştirme ve sorunsuz CI/CD entegrasyonuna dalarak test becerilerinizi bir üst seviyeye taşıyacağız.

Temellerin Ötesinde: Gelişmiş Sabit Yönetimi

Sabitler (fixtures), pytest testlerinin omurgasıdır ve kaynakların kurulumu ile temizlenmesini sağlar. Basit sabitler faydalı olsa da, gerçek dünya uygulamaları daha sofistike stratejiler gerektirir. Bir sabitin kapsamı (scope) kritik öneme sahiptir. Varsayılan olarak sabitler işlev kapsamındadır, yani her test için yeniden oluşturulurlar. Ancak veritabanı bağlantıları veya HTTP sunucuları gibi maliyetli kaynaklar için daha geniş kapsamlardan yararlanabiliriz.

Veritabanı bağlantısına ihtiyacınız olan bir senaryoyu ele alalım. Her test için yeni bir bağlantı oluşturmak yerine, scope="module" veya scope="session" kullanın. Bu, sabitin her modül veya test oturumu için bir kez başlatılmasını sağlar ve önemli ölçüde aşırı yükü azaltır.

import pytest

@pytest.fixture(scope="session")
def database_engine():
    # Maliyetli kurulum: Geçici bir veritabanı oluşturun
    engine = create_engine("sqlite:///:memory:")
    Base.metadata.create_all(engine)
    yield engine
    # Temizleme mantığı
    Base.metadata.drop_all(engine)

def test_user_creation(database_engine):
    assert query_user(database_engine) is None

Ayrıca, evrensel kurulumlar (örneğin mock durumlarını temizleme) için autouse sabitlerinden yararlanın ve hiyerarşik kurulumlar oluşturmak için sabit bağımlılıklarını kullanın. Bu, kod yeniden kullanılmasını teşvik eder ve test paketinizi DRY (Kendini Tekrar Etme) ilkesine uygun tutar.

Parametreleştirme ile Dinamik Testler

Farklı girdiler için tekrarlayan testler yazmak verimsizdir. pytest'in @pytest.mark.parametrize dekoratörü, aynı test mantığını birden fazla argüman kümesiyle çalıştırmanıza olanak tanır. Bu, sınır değer analizi ve uç durum (edge case) testleri için özellikle faydalıdır.

Bir vergi hesaplama işlevini test ettiğinizi hayal edin. On farklı test fonksiyonu yazmak yerine, girdileri ve beklenen çıktıları parametreleştirebilirsiniz:

import pytest

@pytest.mark.parametrize("price, tax_rate, expected", [
    (100, 0.1, 110.0),
    (50.50, 0.2, 60.6),
    (0, 0.0, 0.0),
    (-10, 0.1, 0.0)  # Uç durum: negatif fiyat
])
def test_tax_calculation(price, tax_rate, expected):
    assert calculate_total(price, tax_rate) == pytest.approx(expected)

Bu yaklaşım yalnızca kod tekrarını azaltmakla kalmaz, aynı zamanda test çıktılarınızda açık ve betimleyici test isimleri de sağlar; bu da belirli bir girdinin hataya neden olup olmadığını belirlemeyi kolaylaştırır.

CI/CD Hatlarıyla Entegrasyon

Bir yerel test paketi, yalnızca üretim ortamında güvenilir bir şekilde çalışıyorsa değerlidir. pytest'i GitHub Actions, GitLab CI veya Jenkins gibi CI/CD hatlarıyla entegre etmek, her commit'te kod kalitesinin korunmasını sağlar. Bu entegrasyonun anahtarı paralel yürütme ve kapsama (coverage) raporlaması kullanımıdır.

Daha büyük projeler için, pytest-xdist kullanarak testleri birden fazla CPU çekirdeğine dağıtmayı düşünün; bu, derleme sürelerini dramatik şekilde azaltır. Ayrıca, pytest-html veya pytest-cov aracılığıyla XML raporları oluşturmak, paydaşlara test sağlığı hakkında eyleme geçirilebilir içgörüler sağlar.

İşte testlerinizi çalıştıran bir GitHub Actions iş akışı için bir kod parçacığı:

name: Python Tests
on: [push]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
    - uses: actions/checkout@v3
    - name: Set up Python
      uses: actions/setup-python@v4
      with:
        python-version: '3.10'
    - name: Install dependencies
      run: pip install -r requirements.txt
    - name: Run tests with coverage
      run: pytest --cov=my_package --cov-report=xml

Sonuç

pytest'te ustalaşmak, yalnızca doğrulamalar (assertions) yazmaktan ibaret değildir. Ölçeklenebilir sabitler mimarisi oluşturmayı, kapsamlı kapsama için parametreleştirmeden yararlanmayı ve bu testleri otomatik hatlara entegre etmeyi içerir. Bu gelişmiş teknikleri benimseyerek, yalnızca Python uygulamalarınızın güvenilirliğini artırmakla kalmaz, aynı zamanda geliştirme yaşam döngünüzü de hızlandırırsınız. Miras kalan (legacy) testlerinizi bugün yeniden düzenlemeye başlayın ve dağıtım konusundaki güveninizin zirveye tırmandığını izleyin.