データアナリティクス事業本部のueharaです。
今回は、pytestとmotoを利用してAWSサービスのmockを使ったテストをしてみたいと思います。
はじめに
一応、pytestとmotoについて簡単に説明します。
pytestについて
pytestは、Pythonで単体テストを行うための高機能なフレームワークです。
本フレームワークはテストデータの作成や、異なる条件でのテストを行うための機能などが提供されています。
使いやすさと拡張性に重点を置いて設計されており、テストが失敗したときのエラーメッセージも分かりやすく、原因特定がしやすくなっています。
motoについて
motoはAWSの各種サービスをモックするためのPythonライブラリです。
AWSのサービスとのやり取りをmock化することで、実際のAWS環境には接続せずにテストを行うことができます。
SSM Parameter Storeを使ったテスト
まず最初に、SSM Parameter Storeをmockを使ってテストしてみたいと思います。
テスト①
テストにあたり、以下のファイルを用意します。
/
├ data
└ parameter_list.tsv
├ sample
├ __init__.py
└ ssm_sample.py
└ test
├ __init__.py
├ mock_ssm_ps.py
└ test_ssm_sample.py
まずdataフォルダ配下のparameter_list.tsv
ですが、これはParameter Storeに登録するパラメータ値のファイルになります。
parameter_list.tsv
/test/param String my_param
/test/secure_param SecureString my_secure_param
実環境のAWSには、既にこの値が登録されていることを想定します。
sampleフォルダ配下のssm_sample.py
はテスト対象のファイルです。次のように、keyを引数に受け取り、Parameter Storeから値を取得する関数を持ちます。
ssm_sample.py
import boto3
def get_parameter(param_key, WithDecryption=True):
ssm_client = boto3.client("ssm")
response = ssm_client.get_parameters(
Names=[
param_key,
],
WithDecryption=WithDecryption,
)
if len(response["Parameters"]) > 0:
return response["Parameters"][0]["Value"]
else:
return None
実環境のAWSには既にParameter Storeにデータが入っていますが、mockを利用する場合、Parameter Storeのmockにデータを入れることから始める必要があります。
そこで、testフォルダ配下にmock_ssm_ps.py
を用意します。
mock_ssm_ps.py
import boto3
PARAM_DATA_FILE = "../data/parameter_list.tsv"
def prepare_ssm_parameters():
ssm = boto3.client("ssm", "ap-northeast-1")
with open(PARAM_DATA_FILE, encoding="utf-8", newline="") as f:
for line in f:
cols = [x.strip() for x in line.split("\t")]
ssm.put_parameter(Name=cols[0], Value=cols[2], Type=cols[1])
prepare_ssm_parameters()
関数では、data配下のparameter_list.tsv
を読み取り、Parameter Storeにputする処理を記載しています。
これで準備ができたので、テストファイルであるtest_ssm_sample.py
を作成します。
test_ssm_sample.py
import pytest
from moto import mock_ssm
from test import mock_ssm_ps
from sample import ssm_sample
@pytest.fixture(autouse=True)
def setup_ssm_ps():
mock = mock_ssm()
mock.start()
mock_ssm_ps.prepare_ssm_parameters()
yield
mock.stop()
def test_get_parameter():
ret1 = ssm_sample.get_parameter("/test/param")
ret2 = ssm_sample.get_parameter("/test/secure_param")
assert [ret1, ret2] == ["my_param", "my_secure_param"]
ここではpytestのfixtureを用いています。
fixtureはテストの前処理(DBをセットアップする、mockを作成する等)を行うためのpytestの機能です。
fixture(autouse=True)
とすることにより、全てのテスト関数の実行前にセットアップ用の関数が呼び出されるようにしています。
fixtureにはscope
という引数もあり、function, class, module, package, sessionを割り当てることができます。(例えば、テスト実行前にSMTPのコネクション確立の関数を1度だけ呼び出したい、というケースではscope
はmoduleにすると良さそうです)
今回は特に指定していないため、デフォルトはfunctionになっており、全てのテスト関数実行前に呼び出される形となります。
ちなみにautouse=True
とせず、明示的にセットアップを利用したい関数を指定するには以下のように記載します。
import pytest
@pytest.fixture()
def setup_hoge():
...
def test_aaa(setup_hoge):
...
テストの実行
pytestの実行は以下で可能です。
$ pytest -vv test_ssm_sample.py
以下のようにテストがPASSしていたら成功です。
テスト②
fixtureの確認のため、ssm_sample.py
とtest_ssm_sample
にそれぞれ関数を追加してみます。
ssm_sample.py
import boto3
def get_parameter(param_key, WithDecryption=True):
ssm_client = boto3.client("ssm")
response = ssm_client.get_parameters(
Names=[
param_key,
],
WithDecryption=WithDecryption,
)
if len(response["Parameters"]) > 0:
return response["Parameters"][0]["Value"]
else:
return None
# 追加
def get_parameter_and_join_word(param_key, word="", WithDecryption=True):
ssm_client = boto3.client("ssm")
response = ssm_client.get_parameters(
Names=[
param_key,
],
WithDecryption=WithDecryption,
)
if len(response["Parameters"]) > 0:
return response["Parameters"][0]["Value"] + word
else:
return None
ssm_sample.pyには、引数として受け取ったキーからssmのパラメータの値を取得し、同じく引数として受け取ったwordをパラメータの値の末尾に追加するという関数を追加してみました。
この関数をテストするテスト関数をtest_ssm_sample.py
に追加します。
test_ssm_sample.py
import pytest
from moto import mock_ssm
from test import mock_ssm_ps
from sample import ssm_sample
@pytest.fixture(autouse=True)
def setup_ssm_ps():
mock = mock_ssm()
mock.start()
mock_ssm_ps.prepare_ssm_parameters()
yield
mock.stop()
def test_get_parameter():
ret1 = ssm_sample.get_parameter("/test/param")
ret2 = ssm_sample.get_parameter("/test/secure_param")
assert [ret1, ret2] == ["my_param", "my_secure_param"]
# 追加
def test_get_parameter_and_join_word():
ret = ssm_sample.get_parameter_and_join_word("/test/param", "_hoge")
assert ret == "my_param_hoge"
テストの実行
先程と同様にpytestを実行します。
$ pytest -vv test_ssm_sample.py
以下のように、2つのテストがPASSしたら成功です。
DynamoDBを使ったテスト
先程のSSMに加え、DynamoDBのテストもしてみます。
テスト①
新規に追加するファイルは以下の通りです。
/
├ data
├ parameter_list.tsv
├ ddb_foo_table_data.json ★新規
└ ddb_foo_table_def.json ★新規
├ sample
├ __init__.py
├ ssm_sample.py
└ ddb_sample.py ★新規
└ test
├ __init__.py
├ mock_ssm_ps.py
├ mock_ddb.py ★新規
├ test_ssm_sample.py
└ test_ddb_sample.py ★新規
せっかくなのでSSMとDynamoDBを同時に使ってみたいので、Parameter Storeの設定値を記載しているparameter_list.tsv
にDynamoDBのテーブル名をパラメータの値として1行追記します。
parameter_list.tsv
/test/param String my_param
/test/secure_param SecureString my_secure_param
/test/ddb_table_name String foo
次にdataフォルダ配下にDynamoDBのテーブル定義を記載したddb_foo_table_def.json
と、テーブル内のデータを記載したddb_foo_table_data.json
を作成します。
ddb_foo_table_def.json
{
"AttributeDefinitions": [
{
"AttributeName": "dataId",
"AttributeType": "S"
}
],
"KeySchema": [
{
"AttributeName": "dataId",
"KeyType": "HASH"
}
],
"BillingMode": "PAY_PER_REQUEST"
}
ddb_foo_table_data.json
[
{
"PutRequest": {
"Item": {
"dataId": "1",
"data": "data_01"
}
}
},
{
"PutRequest": {
"Item": {
"dataId": "2",
"data": "data_02"
}
}
}
]
sampleフォルダ配下のddb_sample.py
はテスト対象のファイルです。
data_idを引数に受け取り、Parameter Storeから取得したDynamoDBのテーブルから値を取得するget_item_from_data_id()
関数をテスト対象の関数としたいと思います。
ddb_sample.py
import boto3
from sample import ssm_sample
def _connect_dynamodb(table_name):
dynamodb = boto3.resource("dynamodb")
return dynamodb.Table(table_name)
def _query_key(table_name, key):
table = _connect_dynamodb(table_name)
result = table.get_item(Key=key)
result_item = result.get("Item")
return result_item
def get_item_from_data_id(data_id):
table_name = ssm_sample.get_parameter("/test/ddb_table_name")
result = _query_key(table_name, {"dataId": data_id})
return result
Parameter Storeと同様、実環境のAWSには既にDynamoDBにデータが入っていますが、mockを利用する場合、DynamoDBのmockにデータを入れることから始める必要があります。
そこで、testフォルダ配下にmock_ddb.py
を用意します。
mock_ddb.py
import json
import boto3
TABLE_DEF_FILE = "../data/ddb_foo_table_def.json"
TABLE_DATA_FILE = "../data/ddb_foo_table_data.json"
def prepare_foo_table():
table_name = "foo"
dynamodb = boto3.resource("dynamodb")
# テーブルの作成
with open(TABLE_DEF_FILE) as f:
foo_table_def = json.load(f)
dynamodb.create_table(
TableName=table_name,
**foo_table_def,
)
# テーブルにデータを投入
with open(TABLE_DATA_FILE) as f:
data_str = f.read()
data_items = json.loads(data_str)
table = dynamodb.Table(table_name)
for item in data_items:
table.put_item(Item=item["PutRequest"]["Item"])
prepare_foo_table()
関数では、data配下のテーブル定義とデータを読み取り、DynamoDBにputする処理を記載しています。
これで準備ができたので、テストファイルであるtest_ddb_sample.py
を作成します。
test_ddb_sample.py
import pytest
from moto import mock_dynamodb, mock_ssm
from test import mock_ddb, mock_ssm_ps
from sample import ddb_sample
@pytest.fixture(autouse=True)
def setup_ssm_ps():
mock = mock_ssm()
mock.start()
mock_ssm_ps.prepare_ssm_parameters()
yield
mock.stop()
@pytest.fixture(autouse=True)
def setup_ddb():
mock = mock_dynamodb()
mock.start()
mock_ddb.prepare_foo_table()
yield
mock.stop()
def test_get_item_from_data_id():
ret = ddb_sample.get_item_from_data_id("1")["data"]
assert ret == "data_01"
ここでは、fixtureでParameter StoreとDynamoDBの両方のセットアップ用関数を用意しています。
テストの実行
pytestを実行します。
$ pytest -vv test_ddb_sample.py
以下のように、テストがPASSしたら成功です。
テスト②
fixtureを使わない、別の書き方もご紹介します。
例えばDynamoDBをmock化したい場合、mock化したいテスト関数の先頭に@mock_dynamodb
を記述することでも実現可能です。
test_ddb_sample.py
import pytest
from moto import mock_dynamodb, mock_ssm
from test import mock_ddb, mock_ssm_ps
from sample import ddb_sample
@pytest.fixture(autouse=True)
def setup_ssm_ps():
mock = mock_ssm()
mock.start()
mock_ssm_ps.prepare_ssm_parameters()
yield
mock.stop()
@mock_dynamodb
def test_get_item_from_data_id():
mock_ddb.prepare_foo_table()
ret = ddb_sample.get_item_from_data_id("1")["data"]
assert ret == "data_01"
ただ、Parameter StoreやDynamoDBは様々な関数から呼ばれるケースも多いと思いますので、fixtureを使いセットアップ用の関数を用意しておくと便利です。
fixtureを利用しない場合、上記の例だとDynamoDBを使う全てのテスト関数で@mock_dynamodb
の記載とmock_ddb.prepare_foo_table()
の記述が必要となります。
テストの実行
pytestを実行します。
$ pytest -vv test_ddb_sample.py
以下のように、テストがPASSしたら成功です。
最後に
今回は、pytestとmotoを利用してAWSサービスのmockを使ったテストをしてみました。
参考になりましたら幸いです。