开源项目 PACT 使用教程

开源项目 PACT 使用教程

pactGive pact several PIDs. When one PID dies, pact will kill all provided PIDs.项目地址:https://gitcode.com/gh_mirrors/pac/pact

项目介绍

PACT 是一个开源项目,旨在提供一个灵活的、可扩展的测试框架,特别适用于微服务架构中的契约测试。该项目由 Nick O'Dell 发起,并在 GitHub 上进行维护。PACT 通过定义消费者和提供者之间的交互契约,确保服务的集成和交互符合预期,从而提高系统的稳定性和可靠性。

项目快速启动

安装 PACT

首先,确保你已经安装了 Node.js 和 npm。然后,通过以下命令安装 PACT:

npm install @pact-foundation/pact

创建一个简单的契约测试

以下是一个简单的示例,展示如何使用 PACT 创建一个消费者端的契约测试:

const { Pact } = require('@pact-foundation/pact');
const axios = require('axios');

const provider = new Pact({
  consumer: 'MyConsumer',
  provider: 'MyProvider',
  port: 1234,
  log: path.resolve(process.cwd(), 'logs', 'pact.log'),
  dir: path.resolve(process.cwd(), 'pacts'),
  logLevel: 'INFO',
});

describe('Pact with Our Provider', () => {
  beforeAll(() => provider.setup());
  afterAll(() => provider.finalize());

  describe('when a call to the Provider is made', () => {
    beforeAll(() => {
      return provider.addInteraction({
        state: 'i have a list of projects',
        uponReceiving: 'a request for projects',
        withRequest: {
          method: 'GET',
          path: '/projects',
        },
        willRespondWith: {
          status: 200,
          headers: {
            'Content-Type': 'application/json; charset=utf-8',
          },
          body: [{ id: '1', name: 'Project 1' }],
        },
      });
    });

    it('should return the correct data', async () => {
      const response = await axios.get(`${provider.mockService.baseUrl}/projects`);
      expect(response.data).toEqual([{ id: '1', name: 'Project 1' }]);
    });

    afterEach(() => provider.verify());
  });
});

应用案例和最佳实践

应用案例

PACT 广泛应用于微服务架构中,特别是在以下场景中:

  • 服务集成测试:确保不同服务之间的交互符合预期。
  • 持续集成/持续部署(CI/CD):在部署新版本的服务之前,验证契约是否仍然有效。

最佳实践

  • 明确契约:确保契约定义清晰,包括请求和响应的详细格式。
  • 自动化测试:将契约测试集成到自动化测试流程中,确保每次代码变更都能自动验证契约。
  • 版本管理:对契约文件进行版本管理,便于追踪和回溯。

典型生态项目

PACT 作为一个强大的契约测试框架,与其他开源项目和工具结合使用,可以构建更加健壮的测试生态系统:

  • Jest:一个流行的 JavaScript 测试框架,可以与 PACT 结合使用,提供全面的测试覆盖。
  • Docker:通过 Docker 容器化测试环境,确保测试的一致性和可重复性。
  • Jenkins:集成到 Jenkins 等 CI/CD 工具中,实现自动化测试和部署流程。

通过这些生态项目的结合,可以进一步提升系统的测试效率和质量。

pactGive pact several PIDs. When one PID dies, pact will kill all provided PIDs.项目地址:https://gitcode.com/gh_mirrors/pac/pact

  • 5
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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

林颖菁Jeremiah

你的鼓励将是我创作的最大动力

¥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