问单元测试大型数据集？

EN

如果您试图实现的实际上是一个单元测试，那么您应该模拟出底层数据结构并模拟数据。这项技术使您可以完全控制输入。例如，您编写的每个测试可以处理单个数据点，并且您将为每个条件提供一组非常简洁的测试。有几个开源的模拟框架，我个人推荐Rhino Mock (http://ayende.com/projects/rhino-mocks/downloads.aspx)或NMock (http://www.nmock.org)。

如果你不可能模拟出数据结构，我建议你进行重构，这样你就能够:-)值得！或者，您可能还想尝试TypeMock (http://www.typemock.com/)，它允许模拟具体的类。

但是，如果您正在对大型数据集进行测试，那么您实际上是在运行功能测试，而不是单元测试。在这种情况下，将数据加载到数据库或从磁盘加载数据是典型操作。而不是避免它，您应该让它与您的自动化构建过程的其余部分并行运行，这样性能影响就不会阻碍您的任何开发人员。

这仍然是一种可行的方法。不过，我会将其归类为功能测试，或者不是纯粹的单元测试。一个好的单元测试应该是对那些记录进行采样，这些记录可以很好地分布您可能遇到的边缘情况，并将它们记录下来。然后，对所有数据进行批量测试，进行最后一次“验收”或“功能”测试。

我在测试大量数据时使用了这种方法，我发现它工作得足够好，因为小单元是可维护的，然后我知道批量测试是有效的，而且它是自动的。

到目前为止，我发现的最好的方法是从磁盘序列化结构或数据集，执行测试下的操作，将结果序列化到磁盘，然后将包含序列化结果的文件与包含预期结果的文件进行比较。

我已经编写了使用上述技术的代码，除了在测试中不是从磁盘序列化之外，我已经将序列化的数据转换为一个字节数组，编译器可以将其放入可执行文件中。

例如，您的序列化数据可以转换为：

unsigned char mySerialisedData[] = { 0xFF, 0xFF, 0xFF, 0xFF, ... };

test()
{
    MyStruct* s = (MyStruct*) mySerialisedData;

}

有关更详细的示例(在C#中)，请参阅此unit test。它展示了一个使用一些硬编码的序列化数据作为测试输入的示例，测试程序集签名。