跳到主要內容

Gradle(7) 軟體品質把關-測試


開發程式最重要的事情就是測試我們的程式,Gradle支援JUnit和TestNG測試框架。我們開始學習如何自動化的測試程式。

(1)測試之道
在gradle預設測試的目錄為src/test/java/<test_package>,如果你要修改測試的目錄可以參考下列範例

sourceSets {
    test {
          java {
              srcDir 'testSrc'
           }
   }}


  • Junit

dependencies {
        testCompile group: 'junit', name: 'junit', version: '4.+'
       
}

$ gradle test
:compileJava
:processResources
:classes
:compileTestJava
:processTestResources
:testClasses
:test
BUILD SUCCESSFUL

  • TestNG
dependencies {
       testCompile 'org.testng:testng:6.5.1'       
}

範例一 寫一個計算機,可以做四則運算(加、減、乘、除)並做測試

image

Gradle.build

apply plugin: 'java'

repositories{
    flatDir{
        dirs 'C:\\Program Files\\Apache Software Foundation\\Tomcat 7.0\\lib'
        
    }
    mavenCentral()

}

dependencies {
        compile group: 'org.springframework', name: 'servlet-api'
        compile group: 'org.springframework', name: 'jsp-api'
        testCompile group: 'junit', name: 'junit', version: '4.+'
       
}
   

計算機的檔案: src/main/java/org/gradle/main/Calculator.java
實作計算機的基本操作。

package org.gradle.main;

public class Calculator {
   
    public int sum(int a, int b){
        return a+b;
    }
   
   
    public int minus(int a, int b){
        return a-b ;
    }
   
    public int  multiply(int a, int b){
        return a*b ;
    }
   
    public int  divide(int a, int b){
        return a/b ;
    }
   
}

測試計算機 :src/main/java/org/gradle/test/CalculatorTest.java

package org.gradle.test;

import org.gradle.main.Calculator;
import org.junit.Assert;
import org.junit.Test;

public class CalculatorTest {
   
    @Test
    public void testSum(){
        final Calculator calculator = new Calculator() ;
        int sum = calculator.sum(1, 1) ;
        int expectSum = 2 ;
        Assert.assertEquals("1+1=",expectSum, sum);
       
    }
   
    @Test
    public void testMinus(){
        final Calculator calculator = new Calculator() ;
        int sum = calculator.minus(1, 1) ;
        int expectSum = 0 ;
        Assert.assertEquals("1-1=",expectSum, sum);
       
    }
   
    @Test
    public void testMultiply(){
        final Calculator calculator = new Calculator() ;
        int sum = calculator.multiply(5, 10) ;
        int expectSum = 50 ;
        Assert.assertEquals("5*10=",expectSum, sum);
       
    }
   
    @Test
    public void testDivide(){
        final Calculator calculator = new Calculator() ;
        int sum = calculator.divide(10, 5) ;
        int expectSum = 2 ;
        Assert.assertEquals("10/5=",expectSum, sum); 
    }


}

執行指令 : $ > gradle test

測試結果:
由測試報告通常放置在build/reports/tests裡面
image

留言

這個網誌中的熱門文章

JavaBean 和POJO

前言 今天介紹JavaBean和POJO的不同,這兩個名詞在JAVA文章常常被拿來使用以及討論。在JDK1.1時候釋出才有的一個標準架構,很多時候常常被搞混,所以我們特別開闢一章來加以討論。POJO規範在企業級應用已經廣大的被使用的規範。 解釋 POJO : 全名為Plain-old-Java-object,只需要繼承Object就可以,沒有特定規定,只要建立的類別有setter/getter方法都可以稱為POJO JavaBean: JavaBean通常用來封裝多個物件成為單獨物件使用,規範比較嚴格,規則如下 規則 說明 1 需要實作序列(Serializable/Externalizable) 2 不能有參數的建構子( no-arg constructor) 3 需要有公用setter/getter 4 屬性必須要私人(private) 5 屬於特定POJO規則 比較 所有的JavaBean都為POJO,但是所有的POJO不一定為JavaBean 都可以當作重複元件 都必須序列化 特性都為可用性、易用性和持久化使用 - 應用 由圖我們可以知道POJO在應用程式中,主要用來存取資料庫資料達到持久化的目的,並提供給商業邏輯流程處理使用。這種POJO的架構提供程式人員開發時的可以很有規則將資料封裝並加以使用。 範例1. JavaBean(以員工為實例) JavaBean建立員工物件,可以發現Employee物件建構子沒有任何參數,屬性為私有化並setter/getter的命名方式。 //實作序列化 public class Employee implements java.io.Serializable{ private int id; private String name; //無參數建構子 public Employee(){} //以下實作setter/getter public void setId(int id){this.id=id;} public int getId(){return id;} public void setName(String ...

Python AI-手寫辨識

Python AI-手寫辨識 類神經網路-手寫辨識 手寫辨識 (1) 問題定義 將輸入手寫數字圖片,經由類神經網路訓練後,可以辨識手寫圖片得到一個正確的答案,例如讓電腦辨識上面圖片手寫數字0-9,都可以認得.在了解問題後,需要先知道輸入的資料格式,例如圖片為NxN的矩陣向量. 輸入:輸入的資料格式有很多種,例如數字圖片為矩陣向量 模型:NN 輸出:輸出的方式,神經網路輸出不一定跟輸入同值,手寫數字輸入為1,輸出有可能是1.1或是1.5等等,所以輸出必須經過轉換成真實世界的數字. (2)定義函式 輸出會有兩個問題: A.輸出利用one-hot encoding來表示,就是N個狀態會對應N的結果,例如:輸出結果為1,表示[0,1,0,0,0,0,0,0,0,0] B.輸出結果不能超過1,我們通常會利用 Softmax函数 來進行輸出的處理. (3) 準備訓練/測試資料 在這邊需要從輸入去定義那些要當作訓練與測試資料,我們手寫資料使用MNIST 資料庫來訓練使用,MNIST共有70,000筆手寫資料,60,000筆為訓練資料,10,000為測試資料. (4)建構類神經網路模型 開始建構我們的神經網路模型,首先決定好28x28的像素(這邊不用擔心如何將圖片轉成矩陣),模型使用SGD的方式進行學習,輸出是一個10為的陣列來表示. 輸入:手寫數字圖片(28x28=784) 模型:SGD 輸出:數字(one hard encoding) (5)學習 首先介紹SGD(Stochastic Gradient Descent) 的學習方式,因為蕾神經網路需要訓練很多次才會提高準確度,SGD最大的好處就是當每次重新學習的會將訓練資料打散,來防止機器學習將答案死背下來. (6)實作開發 下面程式碼有完整的說明,這邊就不多說明了,當開始執行程式時就會進行資料訓練. 由訓練結果最後acc=0.9447,表示準確率可以到達94%,我們再由實際測試可以看出該圖為7的圖示,由神經網路判斷為7,跟我們人類判斷相同,我們可以知道由訓練的結果可看得到不錯的準確度. 執行神經網路遇到不少問題,請參考下面連結,是筆者所整理的問題集,請多多指教 https://programdoubledragon.bl...

Python AI-問題集

Python AI-問題集 問題集 Jupyter Notebook執行ipywidgets會出現kernel死掉的錯誤發生(The kernel appears to have died) 解決方法 (1) 根據log檔來判斷問題: 例如:log訊息出現OMP: Error #15: Initializing libiomp5.dylib, but found libiomp5.dylib already initialized. (2) 根據問題關鍵字找出問題所在: 利用google查詢所遭遇到的問題,例如我把上面的問題上google查詢可以找到這篇的解法 https://blog.csdn.net/bingjianIT/article/details/86182096 (3)實作解法: 我實作下面解法後,就可以順利執行手寫辨識的程式. //在Python宣告時加入 import os os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE" 參考 https://blog.csdn.net/bingjianIT/article/details/86182096