Testcontainers-dotnet 在 Bitbucket Pipelines 中的集成实践
2025-06-16 08:31:35作者:庞队千Virginia
Testcontainers-dotnet 是一个强大的.NET测试库,它允许开发人员在测试中轻松使用Docker容器。本文将详细介绍如何在Bitbucket Pipelines中配置和使用Testcontainers-dotnet进行集成测试。
核心配置要点
在Bitbucket Pipelines中使用Testcontainers-dotnet需要注意几个关键配置:
- Docker服务启用:必须在bitbucket-pipelines.yml中显式启用Docker服务
- 资源回收设置:建议在测试代码中禁用资源回收器以避免潜在冲突
- 端口映射处理:使用动态端口绑定确保测试环境兼容性
示例测试代码解析
以下是一个完整的xUnit测试示例,展示了如何使用Testcontainers-dotnet测试一个简单的Hello World容器:
[Fact]
public async Task Test_HelloWorldContainer()
{
// 禁用资源回收器以避免CI环境中的问题
TestcontainersSettings.ResourceReaperEnabled = false;
// 构建容器配置
var container = new ContainerBuilder()
.WithImage("testcontainers/helloworld:1.1.0")
.WithPortBinding(8080, true) // 动态端口绑定
.WithWaitStrategy(Wait.ForUnixContainer()
.UntilHttpRequestIsSucceeded(r => r.ForPort(8080)))
.Build();
await container.StartAsync();
// 创建HTTP客户端访问容器
var httpClient = new HttpClient
{
BaseAddress = new Uri($"http://{container.Hostname}:{container.GetMappedPublicPort(8080)}")
};
// 执行测试断言
var response = await httpClient.GetAsync("/");
var content = await response.Content.ReadAsStringAsync();
Assert.True(response.IsSuccessStatusCode);
Assert.Contains("Hello world", content, StringComparison.OrdinalIgnoreCase);
}
Bitbucket Pipelines配置
对应的bitbucket-pipelines.yml文件应包含以下关键元素:
image: mcr.microsoft.com/dotnet/sdk:9.0
options:
docker: true # 必须启用Docker服务
pipelines:
default:
- step:
name: Build and Test
services:
- docker # 声明需要Docker服务
caches:
- dotnetcore # 缓存dotnet核心组件加速构建
script:
- dotnet restore
- dotnet build --configuration Release
- dotnet test --configuration Release --no-build --logger "trx;LogFileName=test-results.trx"
artifacts:
- test-results.trx # 收集测试结果
最佳实践建议
- 容器清理:虽然在CI中禁用了资源回收器,但仍应确保测试完成后正确清理容器
- 测试隔离:每个测试应该使用独立的容器实例,避免测试间相互影响
- 日志收集:配置适当的日志输出以便调试失败的测试
- 资源限制:在CI环境中考虑为容器设置内存和CPU限制
常见问题处理
如果在Bitbucket Pipelines中遇到容器启动问题,可以尝试以下解决方案:
- 增加测试超时时间,因为CI环境中的容器启动可能比本地慢
- 检查Docker服务的可用性,确保管道配置正确启用了Docker
- 验证网络配置,确保容器能够访问所需的外部资源
通过以上配置和实践,开发团队可以在Bitbucket Pipelines中充分利用Testcontainers-dotnet进行可靠的集成测试,提高软件质量的同时保持开发效率。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
Ascend Extension for PyTorch
Python
503
608
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++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
285
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (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
1.54 K
893
昇腾LLM分布式训练框架
Python
142
168