原文轉載自「劉悅的技術博客」https://v3u.cn/a_id_92
我們知道寫完了代碼需要自己跑一跑進行測試，一個寫好的程序如果連測試都沒有就上到生產環境是不敢想象的，這麼做的人不是太自信就是太無知。
傳統測試無非就是自己運行一下程序查看結果，或者前後端服務進行聯調，這裏要說的是走正規流程的單元測試，那到底什麼是單元測試呢？顧名思義，只測試當前單元的程序或者代碼，也可以理解當前模塊的代碼塊，單元測試假設所有的內部或外部的依賴應該是穩定的, 已經在別處進行測試過的.使用mock 就可以對外部依賴組件實現進行模擬並且替換掉, 從而使得單元測試將焦點只放在當前的單元功能。
簡單地說，mock就是幫我們解決測試依賴的一個模塊，在Python3中，mock已經被集成到了unittest單元測試框架中，所以不需要單獨安裝，可以直接使用。
什麼情況下使用mock
在項目的單元測試過程中，會遇到：
1、接口的依賴
2、外部接口調用
3、測試環境非常複雜
代碼示例：
def add_and_multiply(x, y):
addition = x + y
multiple = multiply(x, y)
return (addition, multiple)
def multiply(x, y):
return x * y
class MyTestCase(unittest.TestCase):
def test_add_and_multiply(self):
x = 3
y = 5
addition, multiple = add_and_multiply(x, y)
self.assertEqual(8, addition)
self.assertEqual(15, multiple)
if __name__ == "__main__":
unittest.main()
如上，我們要測試A模塊，然後A模塊依賴於B模塊的調用。但是，由於B模塊的改變，導致了A模塊返回結果的改變，從而使A模塊的測試用例失敗。其實，對於A模塊，以及A模塊的用例來說，並沒有變化，不應該失敗纔對。
這個時候就是mock發揮作用的時候了。通過mock模擬掉影響A模塊的部分（B模塊）。至於mock掉的部分（B模塊）應該由其它用例來測試。
總有人吐槽 Python 的性能低下，但是 Python 本質其實也不是用來做計算任務的，Python 是一門膠水語言，是用來寫業務邏輯的，而不是用來寫CPU密集的算法的。事實上覆雜的解析一般都會用 C++ 這種硬核語言來寫了，比如 numpy TensorFlow lxml。大多數程序員一天 90% 的工作除了和PM撕逼以外，也就是在寫 CRUD，也就是調用這些包。所以瓶頸一般在 IO 上而不在 CPU 上，而解決 IO 的瓶頸手段就多了，Python 中至少有 多進程、多線程、AsyncIO、Gevent 等多種方法。不過方法多其實也是一個弊端，這幾種方法可以說是基本互不兼容，對各種第三方庫的支持也參差不齊。
而測試python程序的cpu瓶頸，就需要cProfile模塊了，cProfile是一種確定性分析器，只測量CPU時間，並不關心內存消耗和其他與內存相關聯的信息。
cprofile在python3.7.2裏是內置模塊，不需要單獨安裝。
cProfile 有多種調用方法，可以直接從命令行調用：
python -m cProfile -s tottime 你的腳本.py
其中的 -s 的意思是 sort。常用的 sort 類型有兩個：
tottime，指的是函數本身的運行時間，扣除了子函數的運行時間
cumtime，指的是函數的累計運行時間，包含了子函數的運行時間
要獲得對程序性能的全面理解，經常需要兩個指標都看一下。
至此，使用cprofile就可以很簡單的看出你寫的程序是否性能堪憂了，不過性能這個問題其實是典型的木桶理論的場景，系統的整體性能是由最差的一塊決定的。所以也是一個不斷迭代的過程。
原文轉載自「劉悅的技術博客」 https://v3u.cn/a_id_92