Интеграция с CI/CD и Production

«Автоматическое тестирование в CI и безопасное использование в production.»

#Настройка в CI/CD

#GitHub Actions

# .github/workflows/test.yml
name: Tests

on: [push, pull_request]

jobs:
  test:
    runs-on: ubuntu-latest
    strategy:
      matrix:
        python-version: [3.9, 3.10, 3.11]
    
    steps:
    - uses: actions/checkout@v3
    
    - name: Set up Python
      uses: actions/setup-python@v4
      with:
        python-version: ${{ matrix.python-version }}
    
    - name: Install dependencies
      run: |
        pip install poetry
        poetry install
    
    - name: Run Hypothesis tests
      run: |
        poetry run pytest tests/ \
          --hypothesis-seed=0 \
          --hypothesis-max-examples=200 \
          --hypothesis-deadline=500
      env:
        HYPOTHESIS_DATABASE=:memory:

#GitLab CI

# .gitlab-ci.yml
test:
  image: python:3.11
  script:
    - pip install poetry
    - poetry install
    - poetry run pytest tests/ \
        --hypothesis-seed=$CI_PIPELINE_ID \
        --hypothesis-max-examples=500
  variables:
    HYPOTHESIS_DATABASE: ":memory:"
  artifacts:
    when: on_failure
    paths:
      - .hypothesis/
    expire_in: 1 week

#Управление базой данных Hypothesis

#Отключение в CI

# conftest.py
import os
from hypothesis import settings, Database, in_memory

def pytest_configure(config):
    # В CI отключаем базу для детерминизма
    if os.getenv('CI'):
        settings.register_profile(
            'ci',
            database=in_memory,
            max_examples=200,
            deadline=500,
            print_blob=True,
        )
        settings.load_profile('ci')
    else:
        settings.register_profile(
            'dev',
            database=DirectoryDatabase('.hypothesis'),
            max_examples=100,
        )
        settings.load_profile('dev')

#Очистка базы

# Очистить failing cases
rm -rf .hypothesis/examples/

# Очистить всё
hypothesis cache clean

#Hypothesis в Production

#Property-based валидация данных

from hypothesis import given, strategies as st
from hypothesis import Verbosity
import logging

logger = logging.getLogger(__name__)

def validate_user_data(data: dict) -> bool:
    """Валидация данных пользователя в production"""
    try:
        # Используем Hypothesis для генерации тестовых случаев
        # и проверки инвариантов
        
        @given(st.from_type(dict))
        @settings(verbosity=Verbosity.quiet, max_examples=50)
        def check_invariants(test_data):
            # Проверка что валидация не падает
            assert isinstance(test_data.get('email'), str)
            assert isinstance(test_data.get('age'), int)
        
        check_invariants()
        return True
    except Exception as e:
        logger.error(f"Validation error: {e}")
        return False

#A/B тестирование с Hypothesis

from hypothesis import given, strategies as st

def ab_test_checkout_flow(user_data: dict):
    """A/B тестирование checkout процесса"""
    
    @given(st.builds(dict,
        cart_value=st.floats(min_value=0, max_value=10000),
        items_count=st.integers(min_value=1, max_value=100),
        is_first_purchase=st.booleans()
    ))
    def test_conversion(test_data):
        # Тестирование новой воронки
        new_flow_result = new_checkout_flow(test_data)
        # Сравнение со старой
        old_flow_result = old_checkout_flow(test_data)
        
        # Новая воронка не должна быть хуже
        assert new_flow_result.conversion >= old_flow_result.conversion * 0.95
    
    test_conversion()

#Заключение

Правильная настройка Hypothesis в CI обеспечивает стабильность тестов, а использование в production помогает находить баги на ранних этапах.

Следующая тема: Продвинутые паттерны — best practices, антипаттерны, оптимизация.