模拟 SparkSession 用于单元测试

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之外不执行任何其他操作。我该如何测试这个方法？标准方法是创建对象的模拟，session该对象是 的实例SparkSession。但由于SparkSession有一个私有构造函数，我无法使用 ScalaMock 来模拟它。

这里的主要问题是我的函数是一个纯粹的副作用函数（副作用是从关系数据库中提取数据），并且鉴于我在模拟时遇到问题，我如何对该函数进行单元测试SparkSession。

那么有什么方法可以模拟SparkSession或者比模拟更好的方法来测试这个方法呢？

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，我的建议是运行嵌入式数据库（如H2）并使用真正的 SparkSession。为此，您需要向您的DataManager.

未经测试的草图：

你的代码：

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)
         }
    }

您的测试用例：

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)
  }
}