我们知道，在软件工程中，单元测试是保证软件质量的重要手段之一。一个优秀的代码，单元测试的代码量，经常会超过被测试的代码本身。一个理想化的开发团队，可能有三分之二的时间是在写测试，剩下的三分之一时间才是写业务代码。

如果你的项目是从一开始就写单元测试，那么你写起来应该轻松又愉快，因为单元测试会促使你的代码自身变成可测试的代码。

但如果你接手了一个大项目，里面已经有几十万行代码了，那么给这些代码补单元测试会让你知道什么叫做痛不欲生。你会发现有一些函数，它让你不知道怎么写测试代码。但你又不能随便修改代码的结构，谁知道会引起什么连锁反应？

我们来看一个例子：

我想测试的是business_code​里面，check_data_dup分别返回True或者False的时候，下面代码的逻辑。也就是说，我只关心第18-27行的逻辑。这个时候不关心MySQL和Redis。但是每次测试都要从他们里面读取数据，这样就会导致测试代码依赖外部环境。如果MySQL或者Redis挂了，那么测试代码就会运行失败。

而且，就算Redis和MySQL没有故障，你怎么知道你的data_id和pk，在数据库中对应的是什么数据？为了分别走到特定的分支，你还需要去检测数据库中特定数据的id。万一是测试环境，别人修改了里面的数据，你的测试也可能会挂掉。

如果直接使用Pytest来写测试案例，代码是这样的：

可以看到，我运行Pytest以后，成功了一个，失败了一个。这里我模拟出数据库中没有数据能够让check_data_dup​走到返回True逻辑的情况。

难道为了让单元测试进行下去，我还要去数据库构造一条特定的数据？这只是单元测试，又不是集成测试。

为了解决这个问题，我们就可以使用mock模块。这是Python自带的一个模块，可以动态替换函数。

它的写法非常简单：

我们只需要使用@mock.patch装饰器，装饰测试函数就可以了。这个装饰器接收两个参数，第一个参数是被模拟的函数的路径，以点分割；第二个参数是你想让它返回的值。

从上图可以看到，test_runner.py​运行以后，原本在read_data_from_redis和read_data_from_mysql中打印的两段文字都没有打印，说明这两个函数已经被动态替换了，他们内部的代码不会运行。只会直接返回我们预设的这个返回值。这样一来就跟数据库解耦了。

注意，在上图中，由于我们已经mock了check_data_dup​，因此read_data_from_redis和read_data_from_mysql​两个函数随便返回什么值都可以。如果你想顺带也测试一下check_data_dup，那么可以不mock它，如下图所示。

在check_data_dup​函数的逻辑中，如果data​参数含有字符x​，并且user_id​是偶数，就返回True​，否则返回False​。我们通过mock两个读数据的函数，分别设置不同的返回值，就能满足让check_data_dup返回不同值的条件。

mock.path有一个小坑，一定要注意。我们来看看下面这个文件结构：

read_data_from_redis和read_data_from_mysql​两个函数分布在了不同的文件里面。在runner.py​中导入并使用了他们。test_runner.py​中，我们使用@mock.patch对这两个函数定义的路径打补丁进行替换。可是替换了以后，运行Pytest，会发现这两个函数竟然正常运行了。也就是说我们的替换失败了。

之所以会出现这种情况，是因为我们要打补丁的并不是这两个函数定义的地方，而是使用的地方。我们在runner.py中，分别使用如下两个语句：

from mysql_util.SqlUtil import read_data_from_mysql
from controller.lib.redis.RedisUtil import read_data_from_redis

导入了这两个函数，我们也是在runner.py​中使用他们的。因此，@mock.patch​的第一个参数，依然应该是runner.read_data_from_redis和runner.read_data_from_mysql。

正确的做法如下图所示：

mock.patch​还有更多高级用法，例如替换类，替换实例方法等等。可以在unittest.mock中找到他。从Python 3.3开始，官方自带了unittest.mock​，它跟直接import mock的效果是一样的。