베드로 후크
Vedro는 플러그인 시스템을 통해 강력한 확장성을 제공하므로 다양한 프로젝트와 팀에서 공유할 수 있는 강력하고 재사용 가능한 솔루션을 만들 수 있습니다. 하지만 단지 코드베이스를 실험하거나, 개념을 프로토타입화하거나, 약간의 수정을 추가하는 중이라면 어떻게 될까요? 전체 플러그인을 작성하는 것은 지나친 것처럼 느껴질 수 있습니다. 이것이 vedro-hooks가 들어오는 곳입니다.
vedro-hooks는 다양한 Vedro 이벤트에 맞춤형 후크를 연결할 수 있는 경량 라이브러리입니다. 테스트 실행 전에 모의 서버를 시작하든, 엔드투엔드 테스트를 위해 브라우저를 시작하든, 사용자 정의 로깅을 설정하든 vedro-hooks를 사용하면 최소한의 상용구로 기능을 주입할 수 있습니다.
실제적인 예
스위트에서 느린 테스트를 식별하고 싶다고 가정해 보겠습니다. 실행하는 데 1초 이상 걸리는 테스트를 "느림"으로 정의해 보겠습니다. 일반적으로 이를 위해서는 사용자 정의 플러그인을 만들어야 합니다. 그 모습은 다음과 같습니다.
from vedro.core import Dispatcher, Plugin, PluginConfig from vedro.events import ScenarioFailedEvent, ScenarioPassedEvent class SlowTestPlugin(Plugin): def subscribe(self, dispatcher: Dispatcher): dispatcher.listen(ScenarioPassedEvent, self.on_scenario_end) dispatcher.listen(ScenarioFailedEvent, self.on_scenario_end) def on_scenario_end(self, event: ScenarioPassedEvent | ScenarioFailedEvent): elapsed = event.scenario_result.elapsed if elapsed > 1.0: event.scenario_result.add_extra_details("⚠️ Slow test!") class SlowTestPluginConfig(PluginConfig): plugin = SlowTestPlugin
이 접근 방식은 효과적이지만 완전한 플러그인을 만들려면 더 많은 설정과 추가 상용구가 필요합니다. 재사용 가능한 솔루션에는 좋지만 빠른 실험에는 번거로울 수 있습니다.
Hooks로 단순화하기
vedro-hooks를 사용하면 단 몇 줄의 코드만으로 동일한 기능을 얻을 수 있습니다.
from vedro_hooks import on_scenario_passed, on_scenario_failed @on_scenario_passed @on_scenario_failed def highlight_slow_tests(event): elapsed = event.scenario_result.elapsed if elapsed > 1.0: event.scenario_result.add_extra_details("⚠️ Slow test!")
이 코드는 데코레이터를 사용하여 시나리오가 성공하거나 실패할 때 호출되는 함수를 등록합니다. 경과 시간을 확인하고 시나리오가 1초 이상 소요된 경우 세부 정보를 추가합니다.
Scenarios * ✔ retrieve user info (0.52s) ✔ retrieve user repos (1.02s) |> ⚠️ Slow test! # 2 scenarios, 2 passed, 0 failed, 0 skipped (1.54s)
Hook 관리: 단점과 해결책
이런 방식으로 후크를 사용할 때의 한 가지 단점은 프로젝트의 어느 곳에서나 등록할 수 있어 나중에 추적하기가 더 어려워질 수 있다는 것입니다. 반면, Vedro의 플러그인은 vedro.cfg.py 파일에 등록되어 모든 플러그인 구성을 위한 중앙 위치를 제공합니다.
코드베이스 전체에 등록되는 후크의 단점을 완화하기 위해 vedro-hooks는 --hooks-show 명령줄 인수를 제공합니다. 활성화되면 테스트 프로세스가 완료된 후 등록된 모든 후크의 요약과 해당 소스 위치가 표시됩니다. 이는 활성화된 후크를 디버깅하고 확인하는 데 유용합니다.
Scenarios * ✔ retrieve user repos # [vedro-hooks] Hooks: # - 'highlight_slow_tests' (ScenarioFailedEvent) vedro.cfg.py:26 # - 'highlight_slow_tests' (ScenarioPassedEvent) vedro.cfg.py:26 # 1 scenario, 1 passed, 0 failed, 0 skipped (0.55s)
--hooks-show가 도움이 되지만 디버깅 중에도 사용해야 한다는 점을 기억해야 합니다. 플러그인 구성의 명확성과 일관성을 유지하려면 vedro.cfg.py와 같은 중앙 위치에 후크를 등록하는 것이 여전히 모범 사례입니다.
결론
vedro-hooks는 사용자 정의 플러그인을 만드는 오버헤드 없이 Vedro 테스트를 향상할 수 있는 환상적인 도구입니다. 기능 확장을 위해 빠르고 집중적인 솔루션이 필요할 때 빛을 발합니다. 현명하게 사용하고 구성을 체계적으로 유지하면 단순성과 유지 관리성이라는 두 가지 장점을 모두 누릴 수 있습니다.
위 내용은 베드로 후크의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

Python은 데이터 과학, 웹 개발 및 자동화 작업에 적합한 반면 C는 시스템 프로그래밍, 게임 개발 및 임베디드 시스템에 적합합니다. Python은 단순성과 강력한 생태계로 유명하며 C는 고성능 및 기본 제어 기능으로 유명합니다.

2 시간 이내에 Python의 기본 프로그래밍 개념과 기술을 배울 수 있습니다. 1. 변수 및 데이터 유형을 배우기, 2. 마스터 제어 흐름 (조건부 명세서 및 루프), 3. 기능의 정의 및 사용을 이해하십시오. 4. 간단한 예제 및 코드 스 니펫을 통해 Python 프로그래밍을 신속하게 시작하십시오.

Python은 게임 및 GUI 개발에서 탁월합니다. 1) 게임 개발은 Pygame을 사용하여 드로잉, 오디오 및 기타 기능을 제공하며 2D 게임을 만드는 데 적합합니다. 2) GUI 개발은 Tkinter 또는 PYQT를 선택할 수 있습니다. Tkinter는 간단하고 사용하기 쉽고 PYQT는 풍부한 기능을 가지고 있으며 전문 개발에 적합합니다.

Python은 배우고 사용하기 쉽고 C는 더 강력하지만 복잡합니다. 1. Python Syntax는 간결하며 초보자에게 적합합니다. 동적 타이핑 및 자동 메모리 관리를 사용하면 사용하기 쉽지만 런타임 오류가 발생할 수 있습니다. 2.C는 고성능 응용 프로그램에 적합한 저수준 제어 및 고급 기능을 제공하지만 학습 임계 값이 높고 수동 메모리 및 유형 안전 관리가 필요합니다.

2 시간 이내에 파이썬의 기본 사항을 배울 수 있습니다. 1. 변수 및 데이터 유형을 배우십시오. 이를 통해 간단한 파이썬 프로그램 작성을 시작하는 데 도움이됩니다.

제한된 시간에 Python 학습 효율을 극대화하려면 Python의 DateTime, Time 및 Schedule 모듈을 사용할 수 있습니다. 1. DateTime 모듈은 학습 시간을 기록하고 계획하는 데 사용됩니다. 2. 시간 모듈은 학습과 휴식 시간을 설정하는 데 도움이됩니다. 3. 일정 모듈은 주간 학습 작업을 자동으로 배열합니다.

Python은 웹 개발, 데이터 과학, 기계 학습, 자동화 및 스크립팅 분야에서 널리 사용됩니다. 1) 웹 개발에서 Django 및 Flask 프레임 워크는 개발 프로세스를 단순화합니다. 2) 데이터 과학 및 기계 학습 분야에서 Numpy, Pandas, Scikit-Learn 및 Tensorflow 라이브러리는 강력한 지원을 제공합니다. 3) 자동화 및 스크립팅 측면에서 Python은 자동화 된 테스트 및 시스템 관리와 같은 작업에 적합합니다.

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.
