测试异步代码

jopen 8年前

如果说异步代码不好写是共识的话,那么写异步代码测试用例就更难了。最近我刚刚完成了一个 Flaky 测试,所以想和大家分享一些关于写异步测试用例的想法。

这篇文章里,我们会探索一个关于异步测试用例的常见问题 —— 如何强制规定某些线程的顺序,如何强制某一个线程操作早于另一些执行。通常我们并不想强行规定线程之间的顺序,因为这违背了多线程的原则,所谓多线程就是为了做到并发,从而使得 CPU 可以根据当前资源及应用状态选择最佳的执行顺序。但是在测试中,为了确保测试结果的稳定性,又必须明确线程顺序。

测试节流阀(Throttler)

在软件业里节流阀指的是用于限制并发操作个数,预留资源的模式,好比连接池,网络缓存,或者 CPU 密集型操作。和其他同步工具不同的是,节流阀的角色是启动“快速失败”机制,即促使超额请求立即失败,而不是等待。“快速失败”机制之所以重要,是因为切换操作,等待操作会消耗资源 —— 端口,线程,内存等

以下就是一个节流阀的简单实现(基本上是信号量的包装,实际应用中应该是等待,重试等等)

class ThrottledException extends RuntimeException("Throttled!")  class Throttler(count: Int) {    private val semaphore = new Semaphore(count)    def apply(f: => Unit): Unit = {      if (!semaphore.tryAcquire()) throw new ThrottledException      try {        f      } finally {        semaphore.release()      }    }  }

现在我们开始基本的单元测试:测试单线程的节流阀(我们使用测试框架 specs2)。本例里,我们会验证顺序调用是否会超过节流阀的最大限制(maxCount 变量如下所示)。注意,这里我们用的是单线程,所以我们并不验证节流阀的“快速失败”功能,这里的节流阀都处于不饱和状态。事实上,我们只会测试节流阀在不饱和状态下不会终止操作。

class ThrottlerTest extends Specification {    "Throttler" should {      "execute sequential" in new ctx {        var invocationCount = 0        for (i <- 0 to maxCount) {          throttler {            invocationCount += 1          }        }        invocationCount must be_==(maxCount + 1)      }    }    trait ctx {      val maxCount = 3      val throttler = new Throttler(maxCount)    }  }

测试并发节流阀

前一个例子里,节流阀处于不饱和状态,因为单线程里节流阀一般都不会饱和。下面我们来测试一下多线程环境下节流阀是否还能工作良好。

设置如下:

val e = Executors.newCachedThreadPool()  implicit val ec: ExecutionContext=ExecutionContext.fromExecutor(e)  private val waitForeverLatch = new CountDownLatch(1)     override def after: Any = {    waitForeverLatch.countDown()    e.shutdownNow()  }     def waitForever(): Unit = try {    waitForeverLatch.await()  } catch {    case _: InterruptedException =>    case ex: Throwable => throw ex  }

ExecutionContext 用来构建 Future,waitForever 方法用来持有线程,直到测试结束前的锁释放。接下来的函数里,我们会关闭一个执行服务。

以下就是一个测试节流器多线程行为的例子:

"throw exception once reached the limit [naive,flaky]" in new ctx {    for (i <- 1 to maxCount) {      Future {        throttler(waitForever())      }    }    throttler {} must throwA[ThrottledException]

我们创建了 maxCount 个线程(调用 Future{})来调用 waitForever 函数,该函数会一直直到道测试结束。然后我们绕开节流阀执行另一个操作 —— maxCount + 1。预期的行为是,此时应该抛出 ThrottledException 例外。但是,也许预期的例外并不发生,因为接力器的最后的一个调用可能会比 future 里的先执行(future 里会抛出例外,但是这不是预期结果)。

上面这个测试的问题是,在像期望中那样节流阀抛出异常然后导致节流阀被违反之前,我们无法确定所有的线程都已经开始并且在 waitForever 函数中被阻塞。为了修复这个问题,我们需要一些方法去等待所有 future 开始。这有一个我们大多数都很熟悉的一种方法:只要增加一个 sleep 函数等待一些合适的时间。

"throw exception once reached the limit [naive, bad]" in new ctx {    for (i <- 1 to maxCount) {      Future {        throttler(waitForever())      }    }    Thread.sleep(1000)    throttler {} must throwA[ThrottledException]  }

好了,现在这个测试几乎都能通过了,但是这个方法还是错的因为下面这两个原因:

测试持续的时间至少会和我们设置好的"合适的时间"差不多久。

在非常罕见的情况下,比如机器处于高负载的时候,这个合适的时间不一定足够。

如果你仍然感到疑惑,可以搜索一下 Google 更多的原因。

一个更好的方式是将我们的线程(future)的开始和我们期望的东西同步起来。我们来使用 java.util.concurrent 里面的 CountDownLatch 类:


"throw exception once reached the limit [working]" in new ctx {    val barrier = new CountDownLatch(maxCount)       for (i <- 1 to maxCount) {      Future {        throttler {          barrier.countDown()          waitForever()        }      }    }       barrier.await(5, TimeUnit.SECONDS) must beTrue       throttler {} must throwA[ThrottledException]  }

我们使用 CountDownLatch 处理障碍同步。这个等待的方法会阻塞主线程直到锁存计数变为 0。随着其它线程的运行(我们把这些其它线程表示为 future),每一个 future 都会调用 countDown 方法使锁存计数减 1。一但计数变为 0,所有的 future 就都已经运行到 waitForever 方法中了。

通过那一点,我们可以确保 throttler 是饱和的,内部有最大数量(maxCount)的线程。另一个线程试图进入 throttler 将导致异常。我们有一个确定的方式建立我们的测试,测试会有一个主线程进入 throttler。主线程可以恢复到这个点(门闩计数为 0 并等 CountDownLatch 释放等待线程)。

如果一些意想不到的事情发生,我们使用超时略高保障避免无限阻塞发生。如果这样的事情发生,我们的测试就失败了。这个超时不会影响到测试时间,除非发生意外情况,否则,我们都不应该等待。

结论

测试异步程序时,通常需要在具体的测试用例中指定多个线程之间的执行顺序。不使用任何同步策略的测试是不可靠的,测试结果有时成功有时失败。使用 Thread.sleep 降低了测试出错的概率,但没有完全解决这个问题。

在大多数情况下,当需要在测试中保证多个线程的执行顺序时,可以使用 CountDownLatch 代替 Thead.sleep。使用 CountDownlatch 的好处是通过它可以指定释放(保持)线程的时机,有两个优点:确保按顺序执行使测试结果更可靠;加快了测试程序的执行速度。即使对于普通的 waiting 操作,比如 waitForever 函数,尽管也可以使用 Thread.sleep(Long.MAX_VALUE) 这样的函数实现,但为了保证程序的健壮性最好不要这样做。

完整的代码可以在 GitHub 中找到。