当前位置: 首页 > news >正文

【MongoDB实战】第12章 测试与部署:从开发到生产(python实战完善版)

文章目录

  • 《MongoDB实战入门》第12章 测试与部署:从开发到生产(python实战完善版)
    • 12.1 MongoDB单元测试
      • 12.1.1 环境准备
      • 12.1.2 核心代码实现(覆盖CRUD+聚合+事务)
        • 第一步:编写待测试的MongoDB业务操作类
        • 第二步:编写单元测试用例
        • 第三步:运行单元测试
    • 12.2 生产环境部署最佳实践
      • 12.2.1 环境变量配置(区分开发/测试/生产)
        • 方案1:本地开发/测试环境(使用.env文件)
        • 方案2:生产环境(系统环境变量配置)
      • 12.2.2 安全配置实操
        • 1. 开启MongoDB认证模式(服务端配置)
        • 2. 创建权限隔离的MongoDB用户
        • 3. 限制IP访问(防火墙层面)
      • 12.2.3 数据备份与恢复实战(python+Shell)
        • 1. 定时备份脚本(python实现)
        • 2. 设置定时备份(crontab)
        • 3. 数据恢复脚本(python实现)
        • 4. 恢复命令使用示例
    • 12.3 基础监控
      • 12.3.1 MongoDB内置监控工具(mongostat/mongotop)
        • 1. mongostat:实时监控全局运行状态
          • 基本使用命令(生产环境带认证)
          • 核心指标解读(重点关注)
        • 2. mongotop:实时监控集合级读写耗时
          • 基本使用命令(生产环境带认证)
      • 12.3.2 python自定义监控脚本(采集核心指标)
        • 后台运行监控脚本
    • 总结

《MongoDB实战入门》第12章 测试与部署:从开发到生产(python实战完善版)

本章聚焦MongoDB从开发测试到生产落地的全流程python实操,补充可直接复用的代码示例,确保每个技术点都能落地执行,核心围绕单元测试、生产部署、监控运维三大模块展开。

12.1 MongoDB单元测试

单元测试的核心目标是脱离真实MongoDB服务依赖,通过模拟环境验证数据操作逻辑的正确性,避免测试污染真实业务数据,python生态中常用pytest(测试框架)+mongomock(MongoDB模拟工具)实现该需求。

12.1.1 环境准备

首先安装所需依赖包:

pipinstallpytest mongomock pymongo python-dotenv

12.1.2 核心代码实现(覆盖CRUD+聚合+事务)

第一步:编写待测试的MongoDB业务操作类

创建mongodb_service.py,封装核心业务操作:

# mongodb_service.pyfrompymongoimportMongoClientfromdatetimeimportdatetimefromtypingimportList,Dict,Optional,UnionclassMongoDBBusinessService:"""MongoDB业务操作封装类,包含CRUD、聚合、事务等核心操作"""def__init__(self,mongo_client:MongoClient,db_name:str="business_db"):self.db=mongo_client[db_name]self.collection=self.db["user_orders"]# 订单业务集合# 新增数据(C):创建订单defcreate_order(self,order_info:Dict)->str:""" 创建订单 :param order_info: 订单信息字典,必须包含user_id、order_amount字段 :return: 新增订单的ID字符串 :raises ValueError: 缺少必填字段时抛出异常 """required_fields=["user_id","order_amount"]ifnotall(fieldinorder_infoforfieldinrequired_fields):raiseValueError("订单信息缺少必填字段(user_id/order_amount)")# 补充默认字段order_info.update({"create_time":datetime.now(),"order_status":"pending","update_time":datetime.now()})result=self.collection.insert_one(order_info)returnstr(result.inserted_id)# 查询数据(R):按用户ID查询订单defget_orders_by_user(self,user_id:str,limit:int=10)->List[Dict]:""" 按用户ID查询订单列表 :param user_id: 用户唯一标识 :param limit: 返回订单数量上限 :return: 订单列表(去除_id字段) """query={"user_id":user_id}projection={"_id":0}# 不返回_id字段orders=list(self.collection.find(query,projection).limit(limit).sort("create_time",-1))returnorders# 更新数据(U):更新订单状态defupdate_order_status(self,order_id:str,new_status:str)->int:""" 更新订单状态 :param order_id: 订单ID :param new_status: 新状态(pending/paid/shipped/completed) :return: 受影响的记录数 """query={"_id":order_id}update_data={"$set":{"order_status":new_status,"update_time":datetime.now()}}result=self.collection.update_one(query,update_data)returnresult.modified_count# 删除数据(D):删除过期无效订单defdelete_invalid_orders(self,user_id:str)->int:""" 删除用户的无效订单(状态为pending且创建时间超过24小时,仅示例) :param user_id: 用户唯一标识 :return: 删除的记录数 """# 模拟24小时前的时间(实际可根据业务调整)expire_time=datetime.now()-timedelta(hours=24)query={"user_id":user_id,"order_status":"pending","create_time":{"$lt":expire_time}}result=self.collection.delete_many(query)returnresult.deleted_count# 聚合查询:按用户统计订单总金额defstat_user_order_total(self)->List[Dict]:""" 聚合查询:统计每个用户的订单总金额、订单数量 :return: 聚合结果列表 """pipeline=[{"$group":{"_id":"$user_id","total_amount":{"$sum":"$order_amount"},"order_count":{"$sum":1}}},{"$sort":{"total_amount":-1}},{"$limit":20# 仅返回前20名用户}]returnlist(self.collection.aggregate(pipeline))# 事务操作:批量创建订单(需MongoDB 4.0+支持,mongomock兼容事务模拟)defbatch_create_orders(self,order_list:List[Dict])->bool:""" 事务批量创建订单,要么全部成功,要么全部回滚 :param order_list: 订单列表 :return: 批量创建是否成功 """ifnotorder_list:returnFalsewithself.db.client.start_session()assession:session.start_transaction()try:fororderinorder_list:self.create_order(order)session.commit_transaction()returnTrueexceptExceptionase:session.abort_transaction()raiseException(f"批量创建订单失败:{str(e)}")
第二步:编写单元测试用例

创建test_mongodb_service.py,使用pytest+mongomock实现无依赖测试:

# test_mongodb_service.pyimportpytestimportmongomockfrompymongoimportMongoClientfromdatetimeimporttimedelta,datetimefrommongodb_serviceimportMongoDBBusinessService# 测试夹具1:创建模拟MongoDB客户端(无需真实服务,全局复用)@pytest.fixture(scope="function")defmock_mongo_client():"""创建模拟MongoDB客户端,测试完成后自动清理数据"""client=mongomock.MongoClient()# 完全兼容pymongo APIyieldclient# 测试结束后删除测试数据库,避免数据残留client.drop_database("business_db")# 测试夹具2:初始化业务服务实例@pytest.fixture(scope="function")deforder_service(mock_mongo_client):"""初始化MongoDB业务服务,依赖模拟客户端"""returnMongoDBBusinessService(mock_mongo_client)# -------------- 测试用例:覆盖CRUD核心操作 --------------deftest_create_order_success(order_service):"""测试创建订单(正常场景)"""order_data={"use
http://www.jsqmd.com/news/115780/

相关文章:

  • Day35less--嵌套
  • 如何理解 Agentic AI、LLM格局
  • Type-C领夹麦:重塑移动收音新体验
  • Item1--C++ 是语言联邦
  • 论文优化利器:6个AI辅助平台评测,智能润色让文本更自然
  • 基于SVPWM改进的异步电机/感应电机直接转矩控制:解决传统DTC转矩纹波大的问题“参考文...
  • 如何用AI工具复现数学建模优秀论文?这10款写作助手兼排版利器别错过
  • 科研必备资源:6大AI论文工具排名,智能改写提升可读性
  • 海南翡翠/和田玉推荐——以玉为媒,以金为证——吉瑞尚金珠宝:让民族文化在珠宝光影中走向世界 - charlieruizvin
  • 光伏大棚智慧管理:ELK数据中枢
  • 从文献复现到期刊排版:10个AI写作工具让数学建模论文更轻松
  • Item2--尽量以 const, enum, inline 替换 #define
  • Azure RTOS ThreadX 是什么?
  • 高效学术工具:6个AI论文辅助系统,智能润色使内容更精准
  • 传统写作耗时?这10个AI工具实现数学建模论文复现与排版自动化
  • 北京做种植牙一颗要多少钱
  • 手把手带你读Corespec:逻辑链路控制与适配协议(L2CAP) 上
  • 常见的RTOS(实时操作系统)介绍
  • 10款AI论文写作工具评测:高效实现数学建模优秀论文复现与专业排版
  • 提升论文效率:10个AI工具搞定数学建模复现与LaTeX排版
  • AN-93双麦降噪远场拾音模块|嘈杂环境也能清晰拾音,赋能全场景音频交互
  • 经典算法题型之俄罗斯套娃信封问题(一)
  • 基于深度学习的螺栓螺母检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
  • 10大AI工具助力论文写作:从数学建模复现到排版一键优化
  • 震惊!这家酶制剂供应商竟让行业炸锅
  • 经典算法题型之俄罗斯套娃信封问题(二)
  • BetterYeah智能体开发:插件概述
  • AN-93双麦降噪远场拾音模块技术解析:从算法到落地的全维度突破
  • 重练算法(代码随想录版) day46 - 动态规划part13
  • 计算机毕业设计springboot个人知识管理系统 基于SpringBoot的私人知识库构建平台 轻量级SpringBoot个人智慧笔记与资源整合系统