模拟 SparkSession 进行单元测试

Question

我的 spark 应用程序中有一个方法可以从 MySQL 数据库加载数据。该方法看起来像这样。

trait DataManager {

val session: SparkSession

def loadFromDatabase(input: Input): DataFrame = {
            session.read.jdbc(input.jdbcUrl, s"(${input.selectQuery}) T0",
              input.columnName, 0L, input.maxId, input.parallelism, input.connectionProperties)
    }
}

该方法除了执行 jdbc 方法并从数据库加载数据外，什么都不做。我怎样才能测试这个方法？标准方法是创建对象 session 的模拟，它是 SparkSession 的实例。但是由于 SparkSession 有一个私有构造函数，我无法使用 ScalaMock 模拟它。

这里的主要问题是我的函数是一个纯副作用函数（副作用是从关系数据库中提取数据）并且我如何对这个函数进行单元测试，因为我在模拟时遇到了问题SparkSession.

那么有什么方法可以模拟 SparkSession 或比模拟更好的方法来测试此方法吗？

Answer 1

对于你的情况，我建议不要模拟 SparkSession。这或多或少会模拟整个函数（无论如何你都可以这样做）。如果您想测试此功能，我的建议是运行一个嵌入式数据库（如 H2）并使用真正的 SparkSession。为此，您需要向 DataManager 提供 SparkSession。

未经测试的草图：

您的代码：

class DataManager (session: SparkSession) {
         def loadFromDatabase(input: Input): DataFrame = {
            session.read.jdbc(input.jdbcUrl, s"(${input.selectQuery}) T0",
            input.columnName, 0L, input.maxId, input.parallelism, input.connectionProperties)
         }
    }

你的test-case：

class DataManagerTest extends FunSuite with BeforeAndAfter {
  override def beforeAll() {
    Connection conn = DriverManager.getConnection("jdbc:h2:~/test", "sa", "");
    // your insert statements goes here
    conn.close()
  }

  test ("should load data from database") {
    val dm = DataManager(SparkSession.builder().getOrCreate())
    val input = Input(jdbcUrl = "jdbc:h2:~/test", selectQuery="SELECT whateveryounedd FROM whereeveryouputit ")
    val expectedData = dm.loadFromDatabase(input)
    assert(//expectedData)
  }
}

Answer 2

您可以使用 mockito scala 来模拟 SparkSession，如 this article 所示。

模拟 SparkSession 进行单元测试

Mocking SparkSession for unit testing

unit-testing

scala

mocking

apache-spark

scalamock