用CMake添加gtest测试用例gtest_discover_tests指令函数的分析

CMake目前已经很好地和gtest进行了集成。
只要通过 include(GoogleTest),我们就可以调用gtest_discover_tests或者gtest_add_tests来自动为我们添加测试用例到CMake中了,

一旦测试用例添加到CMake中,那么我们就可以通过CTest执行相应的单元测试用例,实现单元测试的自动化。

今天我们来分析一下gtest_discover_tests的逻辑,譬如下面代码:

    include(GoogleTest)
    gtest_discover_tests(${GTEST_PROJECT_NAME} 
                        TEST_LIST gtest)

    set_property(DIRECTORY APPEND PROPERTY 
                 TEST_INCLUDE_FILES
                        ${CMAKE_CURRENT_LIST_DIR}/SetTestsProperty.cmake)
                        

这里,我们通过gtest_discover_test对某个测试用例可执行程序Target进行查询,查询得到可执行程序的所有测试用例的列表。然后利用add_test会自动添加到CMake的测试用例中,所以后面我们可以用CTest执行测试用例了。

这么看,似乎和我们手工添加测试用例没什么分别的。
但是,其实不然,仔细想一下,gtest_discover_test依赖的是测试用例可执行程序Target,它需要查询可执行程序,让可执行告诉它测试用例列表,所以,首先,gtest_discover_test这个逻辑应该是在build阶段才能执行的,而且至少是它依赖的测试用例可执行程序已经构建完成了以后才能开始执行的。

没错!所以它是区别于gtest_add_tests指令函数的逻辑的,gtest_add_tests是会扫描源码文件来得到测试用例列表的。它们用了两种不同的方法,虽然说最终结果是一致的,但是我感觉是用gtest_discover_test更加好,毕竟源代码真正编译出来以后到底包含了哪些测试用例这个会更加准确一些,而通过扫描源码文件来分析得到测试用例列表可能会不一定准确。

在构建完成后,gtest_discover_tests指令会生成${GTEST_PROJECT_NAME} [1]_include.cmake文件和${GTEST_PROJECT_NAME} [1]_tests.cmake和,以及CTestsTestfile.cmake文件,

我们打开CTestsTestfile.cmake文件,可以看到两个include,一个是包含了${GTEST_PROJECT_NAME} [1]_include.cmake文件,一个是包含了SetTestsProperty.cmak文件(这个文件是通过set_property中设置 TEST_INCLUDE_FILES属性告诉cmake的),这两个文件干什么呢?

include文件又转头包含了${GTEST_PROJECT_NAME} [1]_tests.cmake文件,该文件通过add_test添加了测试用例,还通过类似下面的命令将测试用例名字列表添加到了gtest变量中。

    set(  gtest FileLogTest.test1 ConsoleLogTest.test2)

于是,在我们的SetTestsProperty.cmake脚本中,可以通过这个gtest变量来遍历所有发现的测试用例,进行测试用例的相关特性设置,譬如对其设置测试超时时间,设置标签等。

而这些逻辑自然是放在CTest执行测试用例之前来进行的。

总结一下,gtest_discover_test在构建阶段来发现测试用例列表,并将其写入cmake文件,CTest在测试阶段运行build阶段产生的cmake文件,以及通过set_property设置的TEST_INCLUDE_FILES特性中指定的cmake脚本来执行一些自定义的处理。

如果对cmake学习感兴趣,可以点击《一起发现CMake太美》课程的 链接 可以进入视频课程的学习。在这个课程中,用六个CMake实例项目,深入浅出、层层递进,打通项目构建过程的奇经八脉,涵盖编译、链接、测试、源码质检、安装、打包全部环节,助您轻松进入CMake大门,提升软件构建过程的自动化水平。

数据治理是确保数据准确性、可靠性、安全性、可用性和完整性的体系和框架。它定义了组织内部如何使用、存储、保护和共享数据的规则和流程。数据治理的重要性随着数字化转型的加速而日益凸显,它能够提高决策效率、增强业务竞争力、降低风险,并促进业务创新。有效的数据治理体系可以确保数据在采集、存储、处理、共享和保护等环节的合规性和有效性。 数据质量管理是数据治理中的关键环节,它涉及数据质量评估、数据清洗、标准化和监控。高质量的数据能够提升业务决策的准确性,优化业务流程,并挖掘潜在的商业价值。随着大数据和人工智能技术的发展,数据质量管理在确保数据准确性和可靠性方面的作用愈发重要。企业需要建立完善的数据质量管理和校验机制,并通过数据清洗和标准化提高数据质量。 数据安全与隐私保护是数据治理中的另一个重要领域。随着数据量的快速增长和互联网技术的迅速发展,数据安全与隐私保护面临前所未有的挑战。企业需要加强数据安全与隐私保护的法律法规和技术手段,采用数据加密、脱敏和备份恢复等技术手段,以及加强培训和教育,提高安全意识和技能水平。 数据流程管理与监控是确保数据质量、提高数据利用率、保护数据安全的重要环节。有效的数据流程管理可以确保数据流程的合规性和高效性,而实时监控则有助于及时发现并解决潜在问题。企业需要设计合理的数据流程架构,制定详细的数据管理流程规范,并运用数据审计和可视化技术手段进行监控。 数据资产管理是将数据视为组织的重要资产,通过有效的管理和利用,为组织带来经济价值。数据资产管理涵盖数据的整个生命周期,包括数据的创建、存储、处理、共享、使用和保护。它面临的挑战包括数据量的快速增长、数据类型的多样化和数据更新的迅速性。组织需要建立完善的数据管理体系,提高数据处理和分析能力,以应对这些挑战。同时,数据资产的分类与评估、共享与使用规范也是数据资产管理的重要组成部分,需要制定合理的标准和规范,确保数据共享的安全性和隐私保护,以及建立合理的利益分配和权益保障机制。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

码农心语

您的鼓励是我写作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值