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
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
380
454
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++
894
677
暂无简介
Dart
803
198
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
353
207
昇腾LLM分布式训练框架
Python
119
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781