Go test基础用法大全

 go 语言的基础 test 命令有很多参数，怎么利用 test 命令和它提供的用法参数，又能做到什么？大全本文做了详细解读。

当直接使用IDE进行单元测试时，基础有没有好奇它时如何实现的用法？比如GoLand写的测试用例。

所有的大全代码都需要写测试用例。这不仅仅是基础对自己的代码负责，也是用法对别人的负责。

最近工作中使用glog这个库，大全因为它对外提供的基础方法都很简单，想封装处理一下。用法但却遇到了点麻烦：这个包需要在命令行传递log_dir参数，大全来指定日志文件的基础路径。

所以，用法正常运行的大全话，首先需要编译可执行文件，然后命令行指定参数执行。如下示例： 

go build main.go  ./main -log_dir="/data"    //当前目录作为日志输出目录 

但在go test的时候，如何指定这个参数了？

Test

调查发现，发现go test也可以生成可执行文件。需要使用-c来指定。香港云服务器示例如下： 

go test -c param_test_dir   //最后一个参数是待测试的目录 

执行后就会发现：这样的做法，会运行所有的Test用例。如何仅仅执行某一个测试用例了（编译器到底是如何做到的？）。

这里有另一个属性-run，用来指定执行的测试用例的匹配模式。举个例子： 

func TestGetRootLogger(t *testing.T) {    writeLog("测试")  }  func TestGetRootLogger2(t *testing.T) {    writeLog("测试 2")  } 

当我在命令行明确匹配执行Logger2，运行的时候确实仅仅执行该测试用例 

go test -v -run Logger2 ./util/     //-v 表示 verbose，输出相信信息 

但是，我发现，在指定了c参数之后，run参数无法生效！这样的话，还真是没有好的办法来处理这种情况。

option

-timeout 

默认go test运行超过10m会发生panic。如果需要运行更长的时间，需要明确指定。将timeout指定为 0，用于忽略时间限制。 

nohup go test -v -timeout 0 -run TestGetRange . > log.txt 

使用map的服务器租用测试

可以结合使用闭包，设置期望值，来写测试用例。Run函数内部是阻塞的，所以TestSum方法依次执行测试。

同时testSumFunc返回了test方法使用了闭包的特性，对返回函数内部的值是无法确定的。 

func TestSum(t *testing.T) {    t.Run("A", testSumFunc([]int{ 1, 2, 3}, 7))   t.Run("B", testSumFunc([]int{ 2, 3, 4}, 8))  }  func Sum(numbers []int) int {    total := 0   for _, v := range numbers {     total += v   }   return total  }  func testSumFunc(numbers []int, expected int) func(t *testing.T) {    return func(t *testing.T) {     actual := Sum(numbers)    if actual != expected {      t.Error(fmt.Sprintf("Expected the sum of %v to be %d but instead got %d!", numbers, expected, actual))    }   } } 

Main

非常简单，看如下示例。这样在执行任何test case时都首先执行准备，在测试用例执行完毕后，会运行清理工作。需要特别说明的是：flag.Parse()以及os.Exit(m.Run())是不可缺少的两步。 

func TestMain(m *testing.M) {       //准备工作   fmt.Println("start prepare")   flag.Parse()   exitCode := m.Run()          //清理工作   fmt.Println("prepare to clean")    os.Exit(exitCode)  } 

性能测试pprof

定位服务是否存在资源泄漏或者滥用API的行为，光靠review代码是不行的，最好能借助工具。

Profile

引用 godoc for pprof 描述：

A Profile is a collection of stack traces showing the call sequences that led to instances of a particular event, such as allocation. Packages can create and maintain their own profiles; the most common use is for tracking resources that must be explicitly closed, such as files or network connections.

性能测试涉及如下方面：

 CPU Profiling：CPU分析，按照一定的频率采集所监听的源码下载应用程序CPU（含寄存器）的使用情况，可确定应用程序在主动消耗CPU 周期时花费时间的位置  Memory Profiling：内存分析，在应用程序进行堆分配时记录堆栈跟踪，用于监视当前和历史内存使用情况，以及检查内存泄漏  Block Profiling：阻塞分析，记录 goroutine 阻塞等待同步（包括定时器通道）的位置  Mutex Profiling：互斥锁分析，报告互斥锁的竞争情况

在程序中引入如下包，便可以通过 web 方式查看性能情况，访问的路径为：/debug/pprof/，该路径下会显示多个查看项。该路径下还有其他子页面。 

_ "net/http/pprof" 

关于/debug/pprof/下的子页面：

 $HOST/debug/pprof/profile  $HOST/debug/pprof/block  $HOST/debug/pprof/goroutine  $HOST/debug/pprof/heap  $HOST/debug/pprof/mutex  $HOST/debug/pprof/threadcreate

在终端查看性能

只要服务器在启动时，引入pprof包，便可在终端获取profile文件。如下所示： 

pprof -seconds=10 http://192.168.77.77:3900/debug/pprof/profile 

如果获取到cpu.prof文件，可以通过如下命令可视化查看运行结果，这是另一种格式的火焰图，也是挺帅的： 

## 通过在浏览器中 localhost:1313 可以在 web 端查看  ##   pprof -http=:1313 cpu.prof  ## 或直接在终端查看  go tool pprof cpu.prof  $ web | top 

Benchmark测试

基本用法： 

func BenchmarkBadgeRelationMapper_GetCountByUid(b *testing.B) {    count := 0   for i := 0; i < b.N; i++ {     count++   }   fmt.Println("total:", count)  } 

bench测试输出结果，函数体被重复执行了 6 次，并对b.N的值做了调整： 

total: 1  total: 100  total: 10000  total: 1000000  total: 100000000  total: 1000000000  1000000000          0.598 ns/op 

并发用法： 

func BenchmarkBadgeRelationMapper_GetCountByUid(b *testing.B) {    count := 0   b.RunParallel(func(pb *testing.PB) {     for pb.Next() {      count++    }   })   fmt.Println("total:", count)  } 

输出的结果： 

total: 1  total: 100  total: 6336  total: 306207  total: 34221963  total: 129821900  378966799          2.94 ns/op 

在并行用法中，b.N被RunParallel接管。

简单分析一下源码

核心思路在于Next方法，通过atomic.AddUint64并发安全的操作pb.globalN，pb.cache用来存储该goroutine执行的次数。当某个goroutine计算到pb.bN<=n<=pb.bN+pb.grain时，虽然程序迭代次数已经完全超过b.N，但还是会让它继续执行。 

// Next reports whether there are more iterations to execute.  func (pb *PB) Next() bool {    if pb.cache == 0 {     n := atomic.AddUint64(pb.globalN, pb.grain)    if n <= pb.bN {      pbpb.cache = pb.grain    } else if n < pb.bN+pb.grain {      pbpb.cache = pb.bN + pb.grain - n    } else {      return false    }   }   pb.cache--   return true  } 

regular expression

先列举参考的example。在我们要运行特定case时，可以通过指定正则表达式来实现： 

// -bench takes a regular expression that matches the names of the benchmarks you want to run  go test -bench=. ./examples/fib/  // -run flag with a regex that matches nothing  go test -run=^$ 

关于如何运行Benchmark测试，默认执行go test并不会执行Benchmark，需要在命令行明确加上-bench=标记，它接受一个表达式作为参数，匹配基准测试的函数，. 表示运行所有基准测试。 

go test -bench=.  // 明确指定要运行哪个测试，传递一个正则表达式给 run 属性，XXX=BenchmarkReceiveGift_GetGiftReceiveList  go test -run=XXX -bench=. 

默认情况下，benchmark最小运行时长为1s。如果benchmark函数执行返回，但1s的时间还没有结束，b.N会根据某种机制依次递增。可以通过参数-benchtime=20s来改变这种行为。

还有一个参数：benchmem。可以提供每次操作分配内存的次数，以及每次操作分配的字节数。

go test -bench=Fib40 -benchtime=20s 

Run Example

获取线上的pprof数据到本地，这里是另一个工具： 

go-torch -u http://192.168.77.77:3900/debug/pprof/profile -t 10 

在Go 代码调优利器-火焰图这篇文章中，对例子介绍的挺精彩的。 

## 对函数 GetGiftReceiveList 进行 Benchmark 测试 因为只想压测 GetGiftReceiveList 这个函数  ## 所以指定了 run 参数  go test -bench . -run=GetGiftReceiveList -benchmem -cpuprofile prof.cpu  ## 其中 present.test 是压测的二进制文件，prof.cpu 也是生产的文件  ## (pprof) top10  ## (pprof) list Marshal 单独查看这个函数的耗时，这里应该是正则匹配的  go tool pprof present.test prof.cpu  ## 查看内存使用情况  go test -bench . -benchmem -memprofile prof.mem  go tool pprof --alloc_objects  present.test prof.mem 

覆盖率

跟执行go test不同的是，需要多加一个参数-coverprofile, 所以完整的命令： 

go test -v -coverprofile=c.out 

生成报告有 go 为我们提供的工具，使用 

go tool cover -html=c.out -o=tag.html 

即可生成一个名字为 tag.html 的 HTML 格式的测试覆盖率报告，这里有详细的信息告诉我们哪一行代码测试到了，哪一行代码没有测试到。

火焰图

学习了解火焰图，分析函数调用栈的信息。主要是相关的工具： 

## tool1  git clone https://github.com/brendangregg/FlameGraph.git  cp flamegraph.pl /usr/local/bin  flamegraph.pl -h  go get -v github.com/uber/go-torch  go-torch -h  

很赞哦!（662）