Microsoft DocumentDB 回归测试指南
2025-07-10 23:31:08作者:卓炯娓
什么是回归测试
回归测试是软件开发过程中确保新代码更改不会破坏现有功能的重要环节。在Microsoft DocumentDB项目中,回归测试主要用于验证PostgreSQL扩展功能的正确性。
测试文件结构
DocumentDB的回归测试主要包含以下几个关键部分:
- 测试SQL文件:位于
pg_documentdb/src/test/regress/sql/目录下,包含各种测试用例的SQL脚本 - 预期输出文件:位于
pg_documentdb/src/test/regress/expected/目录下,包含每个测试用例的预期输出 - 测试调度文件:
pg_documentdb/src/test/regress/basic_schedule文件定义了测试的执行顺序
如何添加新测试
第一步:创建测试SQL文件
在sql目录下创建一个新的SQL文件,例如commands_delete.sql。文件内容应该包含完整的测试场景,通常以创建测试集合开始:
-- 设置测试环境
SET citus.next_collection_id TO 12345;
-- 测试用例1
CREATE COLLECTION test_delete;
-- 更多测试SQL...
第二步:更新测试调度
编辑basic_schedule文件,添加新测试的名称(不带.sql扩展名)到适当位置。
执行回归测试
运行单个测试
make check-minimal -C pg_documentdb EXTRA_TESTS=commands_delete
首次运行时会失败,因为缺少预期输出文件。系统会自动在results目录下生成实际输出文件。
验证测试输出
- 检查
results/commands_delete.out文件内容是否符合预期 - 如果输出正确,将其复制到
expected目录作为新的预期输出
运行全部测试
make check
测试开发最佳实践
- 集合ID管理:使用
SET citus.next_collection_id确保测试独立性 - 测试隔离:每个测试应该独立运行,不依赖其他测试的状态
- 输出稳定性:确保测试输出在不同环境下保持一致
- 覆盖全面:测试应覆盖正常路径和异常路径
高级技巧
- 使用
validate_test_output.sh脚本自动获取下一个可用的集合ID - 对于复杂测试场景,考虑拆分为多个小测试
- 在修改现有功能时,先运行相关测试确保不会引入回归问题
通过遵循这些指南,开发者可以有效地为DocumentDB项目贡献高质量的回归测试,确保项目的稳定性和可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
330
暂无简介
Dart
685
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869