为Spark程序编写单元测试

相比于传统代码,Spark是比较难调试的,所以对其进行单元测试是非常必要的。

RDD测试

RDD在集群中运行,每次修改bug后,都要上传到集群进行测试,代价非常大。
所以优先在本地进行单元测试,可以减少小模块的逻辑错误。
例如,要测试一个WordCount程序:

//定义一个简单的wordcount
object WordCount extends Serializable{ 
  def count(lines:RDD[String]): RDD[(String,Int)]={
    val rdd=lines.flatMap(line=>line.split("\\s")).map(word=>(word,1)).reduceByKey(_ + _)
    rdd
  }
}

可以通过sc.parallelize()sc.textFile()模拟创建RDD,对返回的RDD进行遍历校验:

//引入scalatest建立一个单元测试类,混入特质BeforeAndAfter,在before和after中分别初始化sc和停止sc,
//初始化SparkContext时只需将Master设置为local(local[N],N表示线程)即可,无需本地配置或搭建集群,

class WordCountTests extends FlatSpec with BeforeAndAfter{
  val master="local" // sparkcontext的运行master 
  var sc:SparkContext=_
  it should("test success") in{
   //其中参数为rdd或者dataframe可以通过通过简单的手动构造即可
    val seq=Seq("the test test1","the test","the")
    val rdd=sc.parallelize(seq)
    val wordCounts=WordCount.count(rdd)
    wordCounts.map(p=>{
       p._1 match {
         case "the"=>
           assert(p._2==3)
         case "test"=>
           assert(p._2==2)
         case "test1"=>
           assert(p._2==1)
         case _=>
           None
       }
    }).foreach(_=>())
  }
  //这里before和after中分别进行sparkcontext的初始化和结束,如果是SQLContext也可以在这里面初始化
  before{
    val conf=new SparkConf()
      .setAppName("test").setMaster(master)
    sc=new SparkContext(conf)
  }

  after{
    if(sc!=null){
      sc.stop()
    }
  }
}

在将 master URL 设置为 local 来测试时会简单的创建一个 SparkContext,运行您的操作,然后调用 SparkContext.stop() 将该作业停止

无返回值方法测试

很多情况下,方法并没有返回值,而是把结果输出到文件或其他介质。这种情况下,需要check输出文件进行测试,比较困难。
例如:

trait WriterHandle{
   def writer(records:Seq[GenericRecord]):Unit={
     val parquetWriter=...
     records.foreach(parquetWriter.writer(..)) 
   }
}
//一个类处混入这个特质,经过一定转换后将结果数据写入parquet中
class ProcessHandle(objects:Iterator[T]) extends Serializable with WriterHandle{
  def process():Unit={
     val records:Seq[GenericRecord]=build(objects)={
        ...
     }
     //这里调用了特质writer中的writer方法,实际单元测试运行到这里可能写入的时候会出错,不能正常测试通过
     writer(records)
  }
}

这种情况,可以把写文件逻辑抽象成trait,测试时进行替换:

class Writertests extends FlatSpec {
  it should("write success") in{
    val objects=Seq(object1,object2..).toIterator 
    //在new处理类,混入原先特质的一个子特质
    val process=new ProcessHandle(objects) with Writerhandletest 
  }
} 
//可以自定义一个trait继承自原先的特质,通过将原先的方法覆盖,然后在重写后的方法里面的根据传入值定义所需要断言即可
trait Writerhandletest extends WriterHandle{
  override def writer(records:Seq[GenericRecord]):Unit={
     assert(records.length==N)
     assert(records(0).XX=="xxx")
   }
}

私有方法测试

如果有必要,可以也可对私有方法进行测试。例如:

class MyTest(s:String){
  //此公有方法可能不方便测试
  def ():Unit={
     ...
     doSth(s)
  }
  //这里私有方法,可能是逻辑关键所在,有必要测试
  private def doSth(s:String):String={
     ...
  }
}

这种情况需要借助于PrivateMethodTester,进行私有方法的调用:

//要混入PrivateMethodTester特质
class MytestTests extends FlatSpec with PrivateMethodTester{
  it should("write success") in{
    //首先new一个要测试的类
    val myTest=new MyTest("string") 
    //其中通过PrivateMethod修饰,[]中为返回值, ('method)单引号后跟私有方法名 
    val dosth=PrivateMethod[String]("doSth")
    //通过invokePrivate 委托调用私有方法,注意参数要对,貌似传null的话会找不到对应的方法
    val str=myTest invokePrivate dosth("string")
    //最后断言相应的至即可
    asset(str=="string") 
  }
} 
    原文作者:望京老司机
    原文地址: https://www.jianshu.com/p/7ca23d4be3ba
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞