Spark程序进行单元测试-使用scala

Spark 中进行一些单元测试技巧：
最近刚写了一点Spark上的单元测试，大概整理了一些

rdd测试

spark程序一般从集群中读取数据然后通过rdd进行转换，这其中涉及到集群，每次修改bug，上传到集群再运行测试，代价还是挺大;所以尽可能先本地进行单元测试，以减少在集群上运行时错误,特别是map等各种tranforms动作的逻辑错误；以下示例用于测试本地返回rdd相关的方法(利用spark本地模式进行单元测试)
Tips：

//定义一个简单的wordcount
object WordCount extends Serializable{ 
  def count(lines:RDD[String]): RDD[(String,Int)]={
    val rdd=lines.flatMap(line=>line.split("\\s")).map(word=>(word,1)).reduceByKey(_ + _)
    rdd
  }
}

//引入scalatest建立一个单元测试类，混入特质BeforeAndAfter，在before和after中分别初始化sc和停止sc，
//初始化SparkContext时只需将Master设置为local(local[N],N表示线程)即可，无需本地配置或搭建集群，

class WordCountTests extends FlatSpec with BeforeAndAfter{
  val master="local" //sparkcontext的运行master 
  var sc:SparkContext=_
  it should("test success") in{
   //其中参数为rdd或者dataframe可以通过通过简单的手动构造即可
    val seq=Seq("the test test1","the test","the")
    val rdd=sc.parallelize(seq)
    val wordCounts=WordCount.count(rdd)
    wordCounts.map(p=>{
       p._1 match {
         case "the"=>
           assert(p._2==3)
         case "test"=>
           assert(p._2==2)
         case "test1"=>
           assert(p._2==1)
         case _=>
           None
       }
    }).foreach(_=>())
  }
  //这里before和after中分别进行sparkcontext的初始化和结束，如果是SQLContext也可以在这里面初始化
  before{
    val conf=new SparkConf()
      .setAppName("test").setMaster(master)
    sc=new SparkContext(conf)
  }

  after{
    if(sc!=null){
      sc.stop()
    }
  }
}

无返回值方法测试

有时候一个方法起到一个调用流程的作用，最后可能是输出或者写入某个文件而没有返回值，一般单元测试可能是查看最后有没有输出文件，但是ide在本地可能不太好进行测试 
例如：

trait WriterHandle{
   def writer(records:Seq[GenericRecord]):Unit={
     val parquetWriter=...
     records.foreach(parquetWriter.writer(..)) 
   }
}
//一个类处混入这个特质,经过一定转换后将结果数据写入parquet中
class ProcessHandle(objects:Iterator[T]) extends Serializable with WriterHandle{
  def process():Unit={
     val records:Seq[GenericRecord]=build(objects)={
        ...
     }
     //这里调用了特质writer中的writer方法，实际单元测试运行到这里可能写入的时候会出错，不能正常测试通过
     writer(records)
  }
}

class Writertests extends FlatSpec {
  it should("write success") in{
    val objects=Seq(object1,object2..).toIterator 
    //在new处理类，混入原先特质的一个子特质
    val process=new ProcessHandle(objects) with Writerhandletest 
  }
} 
//可以自定义一个trait继承自原先的特质，通过将原先的方法覆盖，然后在重写后的方法里面的根据传入值定义所需要断言即可
trait Writerhandletest extends WriterHandle{
  override def writer(records:Seq[GenericRecord]):Unit={
     assert(records.length==N)
     assert(records(0).XX=="xxx")
   }
}

如有必要也可以测试下私有方法:

理论上来说，私有方法都会被公有方法调用，调用公有方法也可以验证私有方法，不过如果公有方法不方便测试也可以对某个私有方法进行测试，就看是否有必要 
可以测试如下：

class  MyTest(s:String){
  //此公有方法可能不方便测试
  def ():Unit={
     ...
     doSth(s)
  }
  //这里私有方法，可能是逻辑关键所在，有必要测试
  private def doSth(s:String):String={
     ...
  }
}

编写单元测试

//要混入PrivateMethodTester特质
class MytestTests extends FlatSpec with PrivateMethodTester{
  it should("write success") in{

        //首先new一个要测试的类
    val myTest=new MyTest("string") 
       //其中通过PrivateMethod修饰，[]中为返回值， ('method)单引号后跟私有方法名 
    val dosth=PrivateMethod[String]('doSth)
       //通过invokePrivate 委托调用私有方法,注意参数要对，貌似传null的话会找不到对应的方法
    val str=myTest invokePrivate dosth("string")
       //最后断言相应的至即可
    asset(str=="string") 
  }
}