


Nahtlose Integrationstests für Ihre Go-Anwendung auf GitHub-Aktionen mit PostgreSQL
Einführung
Integrationstests sind entscheidend, um sicherzustellen, dass Ihre Go-Anwendung einwandfrei mit externen Abhängigkeiten wie Datenbanken funktioniert. In diesem Blog erfahren Sie, wie Sie mithilfe von GitHub Actions Integrationstests für eine Go-Anwendung einrichten und ausführen. Wir konfigurieren eine PostgreSQL-Datenbank innerhalb der CI-Pipeline, optimieren den Testprozess und stellen sicher, dass Ihre Codebasis bei jedem Push zuverlässig und produktionsbereit ist. Lass uns eintauchen!.
In einem früheren Artikel haben wir hier Unit-Tests und Integrationen erstellt!. In diesem Artikel möchten wir diese Tests für alle Commits in unserem Github-Repository ausführen.
Github-Aktionen
Es handelt sich um eine Plattform für kontinuierliche Integration und kontinuierliche Bereitstellung (CI/CD), mit der Sie Ihre Build-, Test- und Bereitstellungspipeline automatisieren können.
Mit Github Actions können Sie Workflows ausführen, wenn andere Ereignisse in Ihrem Repository passieren
Github-Workflows
Ein Workflow ist ein konfigurierbarer automatisierter Prozess, der einen oder mehrere Jobs ausführt. Workflows werden durch eine in Ihr Repository eingecheckte YAML-Datei definiert und werden ausgeführt, wenn sie durch ein Ereignis in Ihrem Repository ausgelöst wird. Workflows werden in .github/workfows.
definiert- Ereignis ist eine bestimmte Aktivität in einem Repository, die eine Workflow-Ausführung auslöst. In unserem Fall wird dies ein Push für unsere Filiale sein.
- Jobs ist eine Reihe von Schritten in einem Workflow, die auf demselben Läufer ausgeführt werden.
- Runners ist ein Server, der Ihre Workflows ausführt, wenn sie ausgelöst werden. Jeder Läufer kann jeweils einen einzelnen Job ausführen.
Workflow Yaml
- Der erste Schritt wäre, den Ordner .github/workflows zu erstellen, in dem sich unsere Yaml-Datei befindet.
- Als nächstes erstellen Sie die Yaml-Datei. In diesem Fall nennen wir sie ci-test.yml.
name: ci-test on: push: branches: [main] pull_request: branches: [main] env: POSTGRES_USER: postgres POSTGRES_PASSWORD: Password123 POSTGRES_DB: crud_db jobs: build: name: tests runs-on: ubuntu-latest services: postgres: image: postgres env: POSTGRES_USER: ${{ env.POSTGRES_USER }} POSTGRES_PASSWORD: ${{ env.POSTGRES_PASSWORD }} POSTGRES_DB: ${{ env.POSTGRES_DB }} ports: - 5432:5432 options: >- --health-cmd pg_isready --health-interval 10s --health-timeout 5s --health-retries 5 steps: - uses: actions/checkout@v4 - name: Set up Go uses: actions/setup-go@v4 with: go-version: "1.22" - name: Install dbmate for golang migrations run: | sudo curl -fsSL -o /usr/local/bin/dbmate https://github.com/amacneil/dbmate/releases/latest/download/dbmate-linux-amd64 sudo chmod +x /usr/local/bin/dbmate which dbmate - name: Construct DB URL id: construct_url run: echo "DB_URL=postgres://${{ env.POSTGRES_USER }}:${{ env.POSTGRES_PASSWORD }}@localhost:5432/${{ env.POSTGRES_DB }}?sslmode=disable" >> $GITHUB_ENV - run: env - name: Make Migrations run: make migrations URL=${{ env.DB_URL }} - name: Seed test DB run: go run db/seed.go - name: Test run: make test
Yaml-Beschreibung
- Der erste Teil besteht darin, die Aktion zu benennen, in diesem Fall ist sie ci-test.
Workflow-Trigger
- Der zweite Abschnitt beschreibt Auslöser. Ereignisse, die die Aktion auslösen. In dieser Datei haben wir zwei Ereignisse, die die Ausführung dieser Jobs auslösen: Pushes und Pull Requests, die auf die Hauptzweige abzielen. Dadurch wird sichergestellt, dass jede für die Produktion vorgesehene Codeänderung vor der Zusammenführung getestet wird, wodurch die Integrität des Projekts gewahrt bleibt.
Umgebungsvariablen
Github-Workflows unterstützen globale und auftragsspezifische Umgebungsvariablen. Diese Variablen beschreiben Postgres-Anmeldeinformationen, die wir später in unserer Yaml-Datei verwenden werden.
Arbeit
name: ci-test on: push: branches: [main] pull_request: branches: [main] env: POSTGRES_USER: postgres POSTGRES_PASSWORD: Password123 POSTGRES_DB: crud_db jobs: build: name: tests runs-on: ubuntu-latest services: postgres: image: postgres env: POSTGRES_USER: ${{ env.POSTGRES_USER }} POSTGRES_PASSWORD: ${{ env.POSTGRES_PASSWORD }} POSTGRES_DB: ${{ env.POSTGRES_DB }} ports: - 5432:5432 options: >- --health-cmd pg_isready --health-interval 10s --health-timeout 5s --health-retries 5 steps: - uses: actions/checkout@v4 - name: Set up Go uses: actions/setup-go@v4 with: go-version: "1.22" - name: Install dbmate for golang migrations run: | sudo curl -fsSL -o /usr/local/bin/dbmate https://github.com/amacneil/dbmate/releases/latest/download/dbmate-linux-amd64 sudo chmod +x /usr/local/bin/dbmate which dbmate - name: Construct DB URL id: construct_url run: echo "DB_URL=postgres://${{ env.POSTGRES_USER }}:${{ env.POSTGRES_PASSWORD }}@localhost:5432/${{ env.POSTGRES_DB }}?sslmode=disable" >> $GITHUB_ENV - run: env - name: Make Migrations run: make migrations URL=${{ env.DB_URL }} - name: Seed test DB run: go run db/seed.go - name: Test run: make test
Hier haben wir dem Job einen Namen zugewiesen, der die Kernaufgaben ausführt, nämlich das Erstellen und Testen unseres Codes.
Runner – beschreibt, wo der Workflow ausgeführt wird, bei dem es sich um eine virtuelle Ubuntu-Maschine handelt.
Dienstleistungen
Mit Github Actions-Workflows können Sie Dienste definieren. In diesem Fall benötigen wir eine Postgres-Datenbank, mit der wir unsere Tests ausführen können.
- Ein PostgreSQL-Container wird mit dem offiziellen PostgreSQL-Docker-Image erstellt.
- Der Container ist mit Umgebungsvariablen konfiguriert, die wir zuvor deklariert haben
Workflow-Schritte
- Der erste Schritt besteht darin, den Repository-Code auszuchecken
jobs: build: name: tests runs-on: ubuntu-latest
Diese Zeile ruft die neueste Version des Repositorys ab und bietet Zugriff auf alle Quelldateien.
- Der zweite Schritt besteht darin, Golang im Läufer einzurichten.
- uses: actions/checkout@v4
- Der dritte Schritt ist die Installation von dbmate auf unserem Runner. Dbmate ist ein Migrationstool, das Anwendungsmigrationen verwaltet.
- name: Set up Go uses: actions/setup-go@v4 with: go-version: "1.22"
- Viertens muss die Datenbank-URL erstellt werden
- name: Install dbmate for golang migrations run: | sudo curl -fsSL -o /usr/local/bin/dbmate https://github.com/amacneil/dbmate/releases/latest/download/dbmate-linux-amd64 sudo chmod +x /usr/local/bin/dbmate which dbmate
- Fünftens führen wir Datenbankmigrationen durch, um unsere Beziehungen einzurichten, die mit dem Datum versehen werden
- name: Construct DB URL id: construct_url run: echo "DB_URL=postgres://${{ env.POSTGRES_USER }}:${{ env.POSTGRES_PASSWORD }}@localhost:5432/${{ env.POSTGRES_DB }}?sslmode=disable" >> $GITHUB_ENV
- Die vorletzte Aktion besteht darin, die Datenbank mit Testdaten zu füllen.
- name: Make Migrations run: make migrations URL=${{ env.DB_URL }}
Die Datei „seed.go“ füllt die Datenbasis mit Testdaten. Aufbau einer realitätsnahen Testumgebung. Um diese Datei weiter zu prüfen, besuchen Sie hier
Der letzte Schritt besteht darin, unseren Go-Test mit der Make-Datei auszuführen
- name: Seed test DB run: go run db/seed.go
Dieser Workflow wird jetzt jedes Mal ausgeführt, wenn wir eine Pull-Anfrage oder einen Push-Code an unseren Hauptzweig stellen
Einige Vorteile der Einführung von Github-Aktionen.
Wie wir gesehen haben, können Sie mit Github Action Folgendes tun:
- Automatisierte Tests – Führen Sie Tests konsistent bei jeder Codeänderung durch.
- Verfügen Sie über Datenbankintegrationen – stellen Sie eine echte Postgres-Umgebung zum Testen und Simulieren von Produktionsbedingungen bereit
- Reproduzierbare Umgebung – Github-Aktionen nutzen containerisierte Dienste und vordefinierte Schritte, um konsistente Ergebnisse über alle Läufe hinweg sicherzustellen.
- Schnelle Feedbackschleife – Sie ermöglichen Entwicklern, schnelles Feedback zu erhalten, wenn etwas kaputt geht, was eine schnellere Problemlösung ermöglicht.
- Vereinfachte Zusammenarbeit – Sie stellen sicher, dass die Änderungen aller Mitwirkenden vor der Veröffentlichung überprüft werden, wodurch die Codequalität und die Projektstabilität erhalten bleiben
Schlussfolgerungen
Durch die Nutzung von GitHub Actions optimiert dieser Workflow das Testen und die Datenbankeinrichtung und gewährleistet so eine robuste und zuverlässige Softwareentwicklung.
Besuchen Sie das Github-Repository, um den Code anzuzeigen, der mit der oben beschriebenen Aktion getestet wird.
Das obige ist der detaillierte Inhalt vonNahtlose Integrationstests für Ihre Go-Anwendung auf GitHub-Aktionen mit PostgreSQL. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Go Language funktioniert gut beim Aufbau effizienter und skalierbarer Systeme. Zu den Vorteilen gehören: 1. hohe Leistung: Kompiliert in den Maschinencode, schnelle Laufgeschwindigkeit; 2. gleichzeitige Programmierung: Vereinfachen Sie Multitasking durch Goroutinen und Kanäle; 3. Einfachheit: präzise Syntax, Reduzierung der Lern- und Wartungskosten; 4. plattform: Unterstützt die plattformübergreifende Kompilierung, einfache Bereitstellung.

Golang ist in Gleichzeitigkeit besser als C, während C bei Rohgeschwindigkeit besser als Golang ist. 1) Golang erreicht durch Goroutine und Kanal eine effiziente Parallelität, die zum Umgang mit einer großen Anzahl von gleichzeitigen Aufgaben geeignet ist. 2) C über Compiler -Optimierung und Standardbibliothek bietet es eine hohe Leistung in der Nähe der Hardware, die für Anwendungen geeignet ist, die eine extreme Optimierung erfordern.

Golang und Python haben jeweils ihre eigenen Vorteile: Golang ist für hohe Leistung und gleichzeitige Programmierung geeignet, während Python für Datenwissenschaft und Webentwicklung geeignet ist. Golang ist bekannt für sein Parallelitätsmodell und seine effiziente Leistung, während Python für sein Ökosystem für die kurze Syntax und sein reiches Bibliothek bekannt ist.

Golang ist in Bezug auf Leistung und Skalierbarkeit besser als Python. 1) Golangs Kompilierungseigenschaften und effizientes Parallelitätsmodell machen es in hohen Parallelitätsszenarien gut ab. 2) Python wird als interpretierte Sprache langsam ausgeführt, kann aber die Leistung durch Tools wie Cython optimieren.

Golang und C haben jeweils ihre eigenen Vorteile bei Leistungswettbewerben: 1) Golang ist für eine hohe Parallelität und schnelle Entwicklung geeignet, und 2) C bietet eine höhere Leistung und eine feinkörnige Kontrolle. Die Auswahl sollte auf Projektanforderungen und Teamtechnologie -Stack basieren.

GoimpactsDevelopmentPositivyThroughSpeed, Effizienz und DiasMlitication.1) Geschwindigkeit: Gocompilesquickandrunseffiction, idealforlargeProjects

C eignet sich besser für Szenarien, in denen eine direkte Kontrolle der Hardware -Ressourcen und hohe Leistungsoptimierung erforderlich ist, während Golang besser für Szenarien geeignet ist, in denen eine schnelle Entwicklung und eine hohe Parallelitätsverarbeitung erforderlich sind. 1.Cs Vorteil liegt in den nahezu Hardware-Eigenschaften und hohen Optimierungsfunktionen, die für leistungsstarke Bedürfnisse wie die Spieleentwicklung geeignet sind. 2. Golangs Vorteil liegt in seiner präzisen Syntax und der natürlichen Unterstützung, die für die Entwicklung einer hohen Parallelitätsdienste geeignet ist.

Die Leistungsunterschiede zwischen Golang und C spiegeln sich hauptsächlich in der Speicherverwaltung, der Kompilierungsoptimierung und der Laufzeiteffizienz wider. 1) Golangs Müllsammlung Mechanismus ist praktisch, kann jedoch die Leistung beeinflussen.
