译者注:关注 InfoQ 资讯的读者可能已经留意到,我们前面给出了一篇很好的 RxJava 文章“测试 RxJava ”。本文是上一篇文章的修订,用相同的例子循序渐进地介绍了如何测试 RxJava2。译者将两篇文章中的不同之处用粗体标识出来,并使用添加注释的形式说明示例代码中的差异之处,以供读过前篇的读者快速浏览本文。
关键要点:
- RxJava 含有内建的、测试友好的解决方案。
- 使用 TestSubscriber 去验证 Observable。
- 使用 TestScheduler 可实现对时间的严格控制。
- Awaitility 库提供了对测试环境进一步的控制。
本文是“测试RxJava ”一文的修订,根据RxJava2 规范做了全面更新。
你已经阅读过RxJava 的相关内容,也已经在互联网上体验过像“ RxJava 实例解析”中的那些示例,现在打算在自己的代码中探索一下响应式编程了。但是,现在却一直困扰着如何测试那些可能会在代码库中发现的新功能呢?
使用响应式编程,就必须转变对给定问题的推理方式,因为我们要聚焦于作为事件流的流动数据,而非个别数据项。事件通常是被不同的线程所产生和消费,因此在编写测试时必须要对并发问题有着清晰的认识。幸运的是,RxJava 提供了测试 Observable 和 Subscription 的内建支持,并且是直接构建于 RxJava 的核心依赖中。
第一步
让我们回顾一下在“ RxJava by Example ”一文中所给出的那个词汇的例子,看一下如何对该例子作测试。让我们从基础测试工具的设置开始。在我们的测试架构中,使用了 JUnit 作为测试工具。
import io.reactivex.Observable; import io.reactivex.observers.TestObserver; import io.reactivex.plugins.RxJavaPlugins; import io.reactivex.schedulers.Schedulers; //RxJava2 中,包名由 rx.xxx 改为 io.reactivex.xxx。 import org.junit.Test; import java.util.*; import static java.util.concurrent.TimeUnit.SECONDS; import static org.awaitility.Awaitility.await; import static org.junit.Assert.assertThat; import static org.hamcrest.Matchers.*; public class RxJavaTest { private static final List<String> WORDS = Arrays.asList( "the", "quick", "brown", "fox", "jumped", "over", "the", "lazy", "dog" ); }
事实上在没有给定调度器(Scheduler)的情况下,Subscription 将默认运行于调用线程上。因此我们将在首个测试中使用原生的方法。这意味着我们可实现一个 Subscription 接口的对象,在 Subscription 发生后就立刻对其状态做断言(assert)。
@Test public void testInSameThread() { // given: List<String> results = new ArrayList<>(); //Observable 的 from 方法改为 fromIterable。 Observable<String> observable = Observable.fromIterable(WORDS) .zipWith(Observable.range(1, Integer.MAX_VALUE), (string, index) -> String.format("%2d. %s", index, string)); // when: observable.subscribe(results::add); // then: assertThat(results, notNullValue()); assertThat(results, hasSize(9)); assertThat(results, hasItem(" 4. fox")); }
注意这里使用了显式的 List
@Test // 例子中所有的 Subscriber 改为 Observer。 public void testUsingTestObserver() { // given: TestObserver<String> observer = new TestObserver<>(); //Observable 的 from 方法改为 fromIterable。 Observable<String> observable = Observable.fromIterable(WORDS) .zipWith(Observable.range(1, Integer.MAX_VALUE), (string, index) -> String.format("%2d. %s", index, string)); // when: observable.subscribe(observer); // then: observer.assertComplete(); observer.assertNoErrors(); observer.assertValueCount(9); //getOnNextEvents 方法该为 values 方法。 assertThat(observer.values(), hasItem(" 4. fox")); }
TestObserver 不仅可替代用户累加器,还另给出了一些行为。例如它能够给出接收到的消息和每个事件相关数据的规模,它也可对 Subscription 被完成且在 Observable 消费期间没有错误出现的状态做断言。虽然当前测试中的 Observable 并未生成任何的错误,但是回到“ RxJava by Example ”一文,我们从中得知了 Observable 将例外与数据事件等同对待。我们可通过如下的方式通过连接例外事件而模拟错误:
@Test // 例子中所有的 Subscriber 改为 Observer。 public void testFailure() { // given: TestObserver<String> observer = new TestObserver<>(); Exception exception = new RuntimeException("boom!"); //Observable 的 from 方法改为 fromIterable。 Observable<String> observable = Observable.fromIterable(WORDS) .zipWith(Observable.range(1, Integer.MAX_VALUE), (string, index) -> String.format("%2d. %s", index, string)) .concatWith(Observable.error(exception)); // when: observable.subscribe(observer); // then: observer.assertError(exception); observer.assertNotComplete(); }
在我们所给出的有限用例中,所有的机制运行良好。但是实际的产品代码可能会完全不同于例子。因此在下文中,我们将考虑一些更加复杂的产品实例。
定制调度器(Scheduler)
在产品代码中,很多用例中的 Observable 都是在特定的线程上执行,这种线程在响应式编程环境中被称为“调度器(Scheduler)”。很多 Observable 操作将可选的调度器参数作为附加参数使用。RxJava 定义了一系列任何时候都可用的命名调度器,包括 IO 调度器(io)、计算调度器(computation,为共享线程)和新线程调度器(newThread)。开发人员也可去实现个人定制的调度器。让我们通过指定计算调度器来修改 Observable 的代码吧。
@Test // 例子中所有的 Subscriber 改为 Observer。 public void testUsingComputationScheduler() { // given: TestObserver<String> observer = new TestObserver<>(); //Observable 的 from 方法改为 fromIterable。 Observable<String> observable = Observable.fromIterable(WORDS) .zipWith(Observable.range(1, Integer.MAX_VALUE), (string, index) -> String.format("%2d. %s", index, string)); // when: observable.subscribeOn(Schedulers.computation()) .subscribe(observer); // 修订版中新添加语句。 await().timeout(2, SECONDS) .until(observer::valueCount, equalTo(9)); // then: observer.assertComplete(); observer.assertNoErrors(); assertThat(observer.values(), hasItem(" 4. fox")); }
当运行时就会立刻发现该代码是存在问题的。Subscriber 在测试线程上执行其断言,但是 Observable 在后台线程(计算线程)上生成值。这意味着执行 Subscriber 断言可能先于 Observable 生成所有相关事件,因而导致测试的失败。
为使测试顺利执行,有如下的一些策略可选:
- 将 Observable 转化为阻塞式的。
- 强制测试等待,直至给定的条件被满足。
- 将计算调度器转换为即刻(Schedulers.immediate())调度器。
我们将对每个策略做展开介绍,但将从“将 Observable 转化为阻塞式”开始,因为实现该策略所需做的技术工作最少,这些工作与所使用的调度器无关。我们假设数据在后台线程中生成,这将导致 Subscriber 从同一后台线程得到通知。
我们要做的是强制生成所有的事件,并在下一个声明被执行前就在测试中完成 Observable。这是通过在 Observable 自身上调用blockingIterable()方法实现的。
@Test public void testUsingBlockingCall() { // given: //Observable 的 from 方法改为 fromIterable。 Observable<String> observable = Observable.fromIterable(WORDS) .zipWith(Observable.range(1, Integer.MAX_VALUE), (string, index) -> String.format("%2d. %s", index, string)); // when: //RxJava2 中,toBlocking() 和 toIterable() 方法改为 blockingIterable() Iterable<String> results = observable .subscribeOn(Schedulers.computation()) .blockingIterable(); // then: assertThat(results, notNullValue()); assertThat(results, iterableWithSize(9)); assertThat(results, hasItem(" 4. fox")); }
该方法虽然适用于我们所给出的简单代码,但可能并不适用于实际的产品代码。如果生产者生成所有的数据需要很长的时间,那将会产生什么后果?这将使测试变得非常慢,并增加了编译时间,还可能会有其它的性能问题。幸运的是,TestObserver 提供了一系列方法,强制测试等待事件的结束。下面给出了一种实现方法:
// 修订版中新添加的代码段。 @Test public void testUsingComputationScheduler() { // given: TestObserver<String> observer = new TestObserver<>(); Observable<String> observable = Observable.fromIterable(WORDS) .zipWith(Observable.range(1, Integer.MAX_VALUE), (string, index) -> String.format("%2d. %s", index, string)); // when: observable.subscribeOn(Schedulers.computation()) .subscribe(observer); observer.awaitTerminalEvent(2, SECONDS); // then: observer.assertComplete(); observer.assertNoErrors(); assertThat(observer.values(), hasItem(" 4. fox")); }
如果这些方法还不足以满足需求,这里我推荐一个便利的程序库,就是 Awaitility 。简单地说,Awaitility 是一个以精确、简单易读的方式对异步系统相关期望进行表述的 DSL。在项目中可以用 Maven 添加 Awaitility 的依赖关系。
<dependency> <groupId>org.awaitility</groupId> <artifactId>awaitility</artifactId> <version>2.0.0</version> <scope>test</scope> </dependency>
或是使用 Gradle:
testCompile 'org.awaitility:awaitility:2.0.0'
Awaitility DSL 的接入点是 org.awaitility.Awaitility.await() 方法(参见下面例子中的第 13 和 14 行代码)。可以使用 Awaitility 定义使测试继续所必须达成的条件,也可在条件中加入超时或其它的时序约束,例如最小、最大或持续范围。对于上面的例子,下面的代码给出了如何在结果中使用 Awaitility:
@Test // 例子中所有的 Subscriber 改为 Observer。 public void testUsingComputationScheduler_awaitility() { // given: TestObserver<String> observer = new TestObserver<>(); //Observable 的 from 方法改为 fromIterable。 Observable<String> observable = Observable.fromIterable(WORDS) .zipWith(Observable.range(1, Integer.MAX_VALUE), (string, index) -> String.format("%2d. %s", index, string)); // when: observable.subscribeOn(Schedulers.computation()) .subscribe(observer); await().timeout(2, SECONDS) .until(observer::valueCount, equalTo(9)); // then: observer.assertComplete(); observer.assertNoErrors(); //getOnNextEvents() 方法改为 values() 方法。 assertThat(observer.values(), hasItem(" 4. fox")); }
此版本测试并未以任何方式改变 Observable 的本质,这使得你做测试时不必对产品代码做任何改动。该版本测试使用最多 2 秒的等待时间通过检查 Subscriber 状态使 Observable 执行其作业。如果一切进行顺利,在 2 秒内就可将 Subscriber 的状态释放给所有的 9 个事件。
Awaitility 具有和 Hamcrest 的匹配符、Java 8 的 lambda 表达式和方法引用等的良好协作,从而给出精确的和可读的测试条件。Awaitility 还提供了预制扩展,用于那些被广泛使用的 JVM 语言,其中包括 Groovy 和 Scala。
我们要给出最后一个策略中使用了 RxJava 的扩展机制,该扩展是以 RxJava API 的组成部分发布的。RxJava 中定义了一系列的扩展点,允许对几乎任何默认的 RxJava 行为进行微调。这种扩展机制使我们可以针对特定的 RxJava 特性提供修改过的值。利用该机制,在无需关心生成代码中所指定的调度器的情况下,我们可在测试中注入选定的调度器。这正是我们所寻找的方法,该方法被封装在 RxJavaHooks 类中。假设产品代码依赖于计算调度器,我们将覆盖它的默认值,返回一个调度器,它作为被调用的代码使事件处理发生,这是入队调度器(Schedulers.trampoline())。下面给出测试的代码:
@Test // 名称中的 Hook 改为 Plugins,代码中所有 subscriber 改为 observer。 public void testUsingRxJavaPluginsWithImmediateScheduler() { // given: // 调度器由 immediate 改为 trampoline。 RxJavaPlugins.setComputationSchedulerHandler(scheduler -> Schedulers.trampoline()); TestObserver<String> observer = new TestObserver<>(); //Observable 的 from 方法改为 fromIterable。 Observable<String> observable = Observable.fromIterable(WORDS) .zipWith(Observable.range(1, Integer.MAX_VALUE), (string, index) -> String.format("%2d. %s", index, string)); try { // when: observable.subscribeOn(Schedulers.computation()) .subscribe(observer); // then: observer.assertComplete(); observer.assertNoErrors(); observer.assertValueCount(9); assertThat(observer.values(), hasItem(" 4. fox")); } finally { RxJavaPlugins.reset(); } }
在测试中,产品代码察觉不到计算调度器是即刻的。请注意钩子函数必须被重置,否则即刻调度器的设置可能会发生泄漏,导致在各处的测试被破坏。使用 try/finall 代码块会在一定程度上模糊了测试的目的,但是幸运的是我们可以使用 JUnit 规则重构该行为,使测试更加精炼,结果更可读。下面给出使用上述规则的一种可能的实现代码:
// 由 Public 改为 private static private static class ImmediateSchedulersRule implements TestRule { @Override public Statement apply(final Statement base, Description description) { return new Statement() { @Override // 所有的调度器由 immediate 改为 trampline。 public void evaluate() throws Throwable { RxJavaPlugins.setIoSchedulerHandler(scheduler -> Schedulers.trampoline()); RxJavaPlugins.setComputationSchedulerHandler(scheduler -> Schedulers.trampoline()); RxJavaPlugins.setNewThreadSchedulerHandler(scheduler -> Schedulers.trampoline()); try { base.evaluate(); } finally { RxJavaPlugins.reset(); } } }; } }
此外,我们还对另外两个调度器的生成方法做了重写。该规则对此后其它的测试目标更为通用。在新的测试用例类中,该规则的使用方法很直接,只需简单地定义一个域,并将其中新类型标注为 @Rule 即可。示例代码如下:
@Rule public final ImmediateSchedulersRule schedulers = new ImmediateSchedulersRule(); @Test // 例子中所有的 Subscriber 改为 Observer。 public void testUsingImmediateSchedulersRule() { // given: TestObserver<String> observer = new TestObserver<>(); //Observable 的 from 方法改为 fromIterable。 Observable<String> observable = Observable.fromIterable(WORDS) .zipWith(Observable.range(1, Integer.MAX_VALUE), (string, index) -> String.format("%2d. %s", index, string)); // when: observable.subscribeOn(Schedulers.computation()) .subscribe(observer); // then: observer.assertComplete(); observer.assertNoErrors(); observer.assertValueCount(9); assertThat(observer.values(), hasItem(" 4. fox")); }
最终我们可得到与前面测试一样的行为,却没有像前面测试那样的杂乱。下面用一些篇幅来回顾一下我们目前已经做到的事情:
- Subscribers 将在同一线程中处理数据,只要没有使用特定的调度器。这意味着在 Subscriber 向 Observable 做订阅后,我们就可在该 Subscriber 上做断言。
- TestObserver可累计事件,并给出自身状态的追加断言。
- 任何对象都可转换为阻塞式的,这使得无论对象使用何种调度器,我们都可以同步等待事件的生成。
- RxJava 提供了扩展机制,允许开发人员重写其默认方法,并以适当的方式注入到产品代码中。
- 并发代码可使用 Awaitility DSL 测试。
上述的每个技术都作用于不同的场景中,但是所有技术都是通过“共同的线程”(译者注:作者在原文中指出 common thread 是作为双关语使用的,其另一个意思是“类似的思路”)相关联:在对 Subscriber 状态做断言之前,测试代码需等待 Observable 完成。考虑到 Observable 的行为会生成数据,是否有方法对该行为进行检查呢?换句话说,是否可以用编程的方式做 Observable 的现场调试?我们将在后文中给出这样的技术。
操控时间
到目前为止我们已用黑箱方式测试了 Observable 和 Subscription。下面我们将考虑另外一种操控时间的技术,该技术使我们可以在 Observable 依然处于活动状态时,打开引擎盖去查看 Subscriber 状态。换句话说,我们将使用采用了 RxJava 的 TestScheduler 类白箱测试技术,这可以说是 RxJava 再一次来救场。这种特定的调度器可精确地设定时间的内部使用方式,例如可将时间提前半秒,或是使时间跳跃 5 秒。我们将首先给出这种新调度器实例的创建方法,然后再讨论代码的测试。
@Test // 例子中所有的 Subscriber 改为 Observer。 public void testUsingTestScheduler() { // given: TestScheduler scheduler = new TestScheduler(); TestObserver<String> observer = new TestObserver<>(); Observable<Long> tick = Observable.interval(1, SECONDS, scheduler); Observable<String> observable = Observable.fromIterable(WORDS) .zipWith(tick, (string, index) -> String.format("%2d. %s", index, string)); observable.subscribeOn(scheduler) .subscribe(observer); // expect: observer.assertNoValues(); observer.assertNotComplete(); // when: scheduler.advanceTimeBy(1, SECONDS); // then: observer.assertNoErrors(); observer.assertValueCount(1); observer.assertValues(" 0. the"); // when: scheduler.advanceTimeTo(9, SECONDS); observer.assertComplete(); observer.assertNoErrors(); observer.assertValueCount(9); }
该“产品”代码有了略微的改变,这是由于我们使用了绑定到调度器时隙(interval())的方法生成计数(第 6 行),而非生成一个计数的范围。但这样做具有一个副作用,就是计数是从零开始生成的,而非从 1 开始。一旦配置了 Observable 和测试调度器,我们立刻做出这样的断言,即假定 Subscriber 不具有值(第 15 行)且没有被完成或生成任何的错误(第 16 行)。这是一个完整性测试,因为此时调度器并没有被移动,因而没有任何值被 Observable 产生或是被 Subscriber 接收到。
下面将时间向前调 1 整秒(第 21 行),该操作将会导致 Observable 生成第一个值,这正是随后的断言集所要检查的(第 24 到 26 行)。
下面将时间从当前时间调到 9 秒。需要注意的是,这意味着将时间准确地调整为调度器启动后的第 9 秒(并非是向前调 1 秒后再向前调 9 秒,即调度器检查启动后的第 10 秒)。换句话说,advanceTimeBy() 方法将调度器的时间调整为相对于当前位置的时间,而 advanceTimeTo() 以绝对的方式调整时间。此后我们做出下一轮的断言(第 30 到 32 行),用于确保所有的数据由 Observable 生成且被 Subscriber 消费。另一件需要说明的事情就是使用 TestScheduler 时,真实的时间是立刻发生调整的,这着意味着测试并不用实际等待 9 秒才去完成。
正如你所看到的,该调度器的使用是非常便利的,仅需将该调度器提供给正在测试的 Observable 即可。但是对使用了指定类型调度器的 Observable,该调度器并不能很好地适用。但是稍等一下,之前我们看到的是如何使用RxJavaPlugins切换一个不影响生产代码的调度器,而这一次是提供一个代替即刻调度器的 TestScheduler。我们甚至可以 apply 定制 JUnit 规则同样的技术,使之前的代码可以用更重用的方式予以重写。首先该新规则为:
// 由 public 改为 private static,所有 Hooks 改为 Plugins。 private static class TestSchedulerRule implements TestRule { private final TestScheduler testScheduler = new TestScheduler(); public TestScheduler getTestScheduler() { return testScheduler; } @Override public Statement apply(final Statement base, Description description) { return new Statement() { @Override public void evaluate() throws Throwable { RxJavaPlugins.setIoSchedulerHandler(scheduler -> testScheduler); RxJavaPlugins.setComputationSchedulerHandler(scheduler -> testScheduler); RxJavaPlugins.setNewThreadSchedulerHandler(scheduler -> testScheduler); try { base.evaluate(); } finally { RxJavaPlugins.reset(); } } }; } }
紧接着是实际的测试代码(在一个新的测试用例类中),去使用我们的测试规则:
@Rule public final TestSchedulerRule testSchedulerRule = new TestSchedulerRule(); @Test // 例子中所有的 Subscriber 改为 Observer。 public void testUsingTestSchedulersRule() { // given: TestObserver<String> observer = new TestObserver<>(); Observable<String> observable = Observable.fromIterable(WORDS) .zipWith(Observable.interval(1, SECONDS), (string, index) -> String.format("%2d. %s", index, string)); observable.subscribeOn(Schedulers.computation()) .subscribe(observer); // expect observer.assertNoValues(); observer.assertNotComplete(); // when: testSchedulerRule.getTestScheduler().advanceTimeBy(1, SECONDS); // then: observer.assertNoErrors(); observer.assertValueCount(1); observer.assertValues(" 0. the"); // when: testSchedulerRule.getTestScheduler().advanceTimeTo(9, SECONDS); observer.assertComplete(); observer.assertNoErrors(); observer.assertValueCount(9); }
这样你就成功地实现了它。使用经由 RxJavaHooks 注入 TestScheduler 的方法,可在无需更改原始 Observable 组合的情况下编写测试代码,此外它给出了一种在 observable 自身执行期间改变时间、并在特定点上做断言的方法。在本文中给出的所有这些技术,应该足够你选择用来测试 RxJava 的代码了。
未来
RxJava 是最先为 Java 提供响应式编程能力的程序库之一。为了使 RxJava API 更好地符合 Reactive Streams 规范,即将推出的 2.0 版将会是重新设计的。Reactive Streams 规范以 Java 和 JavaScript 运行时为目标,提供了使用非阻塞背压机制(back pressure)的异步流处理标准。这意味着下一版的 RxJava 中将会出现一些 API 改进。对这些改进的详细描述参见 RxJava wiki 。
对于测试而言,这些核心类型(Observable、Maybe 和 Single)现在都给出了便利易用的 test() 方法,实现现场创建 TestSubscriber 实例。也可在 TestSubscriber 上链接方法调用,对这类用法也有一些新的断言方法。
本文是“测试RxJava ”一文的修订。
关于作者
Andres Almiray是一位 Java/Groovy 开发者和 Java 冠军程序员,具有超过 17 年的软件设计和开发经验。他在 Java 早期推出的时代就参与了 Web 和桌面应用的开发。他是开源软件的忠实信徒,参与了 Groovy、JMatter、Asciiidoctor 等广为人知的项目。他是 Griffon 架构的创始者和现任项目领导者,还是 JSR 377 规范的牵头者。
查看英文原文: Testing RxJava2
感谢薛命灯对本文的审校。
给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ , @丁晓昀),微信(微信号: InfoQChina )关注我们。
评论