CMockery单元测试框架入门指南
2026-01-16 10:29:15作者:邓越浪Henry
1、项目介绍
1.1 何为CMockery?
CMockery是由Google发起并维护的一款用于C语言的轻量级单元测试框架。它以其简洁的设计、轻量化和广泛的兼容性著称,尤其适合那些对资源敏感的嵌入式系统开发者。通过模拟(Mocking)技术,CMockery能够简化对外部依赖的管理和测试,从而提高测试覆盖率和代码质量。
1.2 特点概览
- 免费及开源: 采用Apache-2.0许可证。
- 谷歌支持: 享有强大的社区和持续更新保障。
- 轻量级架构: 不依赖于外部包,减少学习曲线和部署复杂度。
- 高性能: 避免高级编译器特性的使用,确保旧版编译器的兼容性和广泛的应用场景。
- 灵活性: 不强制遵循C99标准,拓宽了其在不同平台上的适用范围,特别对于嵌入式设备而言。
2、项目快速启动
2.1 系统需求
- Linux环境(支持包括但不限于Ubuntu、CentOS等主流发行版)
- GCC编译器或其他兼容C/C++的编译器
- 基础shell脚本知识
2.2 快速安装
2.2.1 下载源码
首先,你需要克隆或下载CMockery的源码仓库:
git clone https://github.com/google/cmockery.git
cd cmockery
2.2.2 构建并安装
使用以下命令进行配置、构建和安装CMockery:
./autogen.sh # 如果缺少configure文件则运行这一步
./configure # 自动检测和配置构建参数
make # 编译源代码
sudo make install # 安装至系统路径,默认位置为/usr/local/
2.3 环境验证
确保环境变量正确设置了CMockery的库和头文件的位置:
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH # 更新LD_LIBRARY_PATH
source /etc/environment # 使更改立即生效 (某些系统)
验证安装:
echo $LD_LIBRARY_PATH | grep '/usr/local/lib'
如无错误信息,则表示CMockery已经成功集成到你的开发环境中。
3、应用案例和最佳实践
3.1 创建第一个测试
假设我们有一个简单的数学计算模块,我们将创建一个名为math.c的源文件来存放我们的函数:
#include <stdio.h>
// 加法函数
int add(int x, int y) {
return x + y;
}
接下来,在同一目录中,创建一个测试文件add_test.c,引入math.c中的函数并通过CMockery编写测试用例:
#define _GNU_SOURCE // Required for mock functions in CMockery
#include "math.h"
#include <stdlib.h>
#include <cmocka.h>
static void test_add(void **state) {
int result = add(2, 3);
assert_int_equal(result, 5); // 断言结果等于期望值
}
int main(void) {
const struct CMUnitTest tests[] = {
cmocka_unit_test(test_add),
};
return cmocka_run_group_tests(tests, NULL, NULL);
}
3.2 编译与运行
确保你在同一目录中有math.c和add_test.c两个文件,然后你可以通过以下命令编译它们,并运行测试:
gcc -o test_add add_test.c math.c `pkg-config --libs --cflags cmockery`
./test_add
正常情况下,你应该看到类似下面的输出,表明所有测试都已经通过:
Starting 1 test...
1. test_add.........................................OK
Results:
Tests OK: 1
Tests skipped: 0
Tests failed: 0
Tests total: 1
Failures total: 0
Time taken: 0.01 seconds
这样你就完成了第一个使用CMockery的单元测试。
4、典型生态项目
虽然CMockery主要聚焦于C语言的单元测试,但其与其他相关开源项目结合得相当紧密,例如:
- gtest (Google Test): C++ 的测试框架,与CMockery相比提供了更多高级特性,适合更复杂的C++代码基。
- ctemplate: Google的文本模板引擎,常被用来生成测试报告和日志。
- valgrind: 内存检查工具,与CMockery配合可用于内存泄漏检测。
- doxygen: 文档生成工具,帮助理解CMockery和其他相关模块的使用手册和API说明。
这些项目相互补充,共同构成了全面的测试和开发解决方案。
综上所述,CMockery不仅是一款功能强大的单元测试工具,更是整个开发流程中不可或缺的一环。通过深入理解和熟练运用,你将能够大幅度提升代码质量和开发效率。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.76 K
Ascend Extension for PyTorch
Python
348
414
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++
889
609
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
338
185
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
252
openGauss kernel ~ openGauss is an open source relational database management system
C++
169
233
暂无简介
Dart
778
193
🎉 (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
1.34 K
758
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
114
140