相信大家都有听说过TDD（测试驱动开发）这种开发模式，虽然网络上对该种开发模式存在异议，但我个人是非常推荐使用该种开发方式的。关于TDD的优势，我不在此赘述了，我只说下自己受益深的两个方面。
　　测试驱动，其实也是需求驱动。在开发正式代码之前，可以先将需求转换为单元测试用例，然后再逐步实现正式代码，直至将所有单元测试用例跑通。这可以帮助我们总是聚焦在要实现的功能特性上，避免跑偏。特别是像我们做测试开发的，通常没有需求文档和设计文档，如果没有清晰的思路，很可能做着做着不知道自己做到哪儿了。
　　高覆盖率的单元测试代码，对项目质量有充足的信心。因为是先写测试再写实现，所以正常情况下，所有的功能特性都应该能被单元测试覆盖到。再结合持续集成的手段，我们可以轻松保证每个版本都是高质量并且可用的。
　　所以，ApiTestEngine项目也将采用TDD的开发模式。本篇文章重点介绍下采用TDD之前需要做的一些准备工作。
　　搭建API接口服务（Mock Server）
　　接口测试框架要运行起来，必然需要有可用的API接口服务。因此，在开始构建我们的接口测试框架之前，好先搭建一套简单的API接口服务，也是Mock Server，然后我们在采用TDD开发模式的时候，可以随时随地将框架代码跑起来，开发效率也会大幅提升。
　　为什么不直接采用已有的业务系统API接口服务呢？
　　这是因为通常业务系统的接口比较复杂，并且耦合了许多业务逻辑，甚至还可能涉及到和其它业务系统的交互，搭建或维护一套测试环境的成本可能会非常高。另一方面，接口测试框架需要具有一定的通用性，其功能特性很难在一个特定的业务系统中找到所有合适的接口。拿简单的接口请求方法来说，测试框架需要支持GET/POST/HEAD/PUT/DELETE方法，但是可能在我们已有的业务系统中只有GET/POST接口。
　　自行搭建API接口服务的另一个好处在于，我们可以随时调整接口的实现方式，来满足接口测试框架特定的功能特性，从而使我们总是能将注意力集中在测试框架本身。比较好的做法是，先搭建简单的接口服务，在此基础上将接口测试框架搭建起来，实现基本的功能；后面在实现框架的高级功能特性时，我们再对该接口服务进行拓展升级，例如增加签名校验机制等，来适配测试框架的高级功能特性。
　　幸运的是，使用Python搭建API接口服务十分简单，特别是在结合使用Flask框架的情况下。
　　例如，我们想实现一套可以对用户账号进行增删改查（CRUD）功能的接口服务，用户账号的存储结构大致如下：
　　users_dict = {
　　   'uid1': {
　　       'name': 'name1'，
　　       'password': 'pwd1'
　　   }，
　　   'uid2': {
　　       'name': 'name2'，
　　       'password': 'pwd2'
　　   }
　　}
　　那么，新增（Create）和更新（Update）功能的接口可以通过如下方式实现。
　　import json
　　from flask import Flask
　　from flask import request， make_response
　　app = Flask(__name__)
　　users_dict = {}
　　@app.route('/api/users/<int:uid>'， methods=['POST'])
　　def create_user(uid):
　　    user = request.get_json()
　　    if uid not in users_dict:
　　        result = {
　　            'success': True，
　　            'msg': "user created successfully."
　　        }
　　        status_code = 201
　　        users_dict[uid] = user
　　    else:
　　        result = {
　　            'success': False，
　　            'msg': "user already existed."
　　        }
　　        status_code = 500
　　    response = make_response(json.dumps(result)， status_code)
　　    response.headers["Content-Type"] = "application/json"
　　    return response
　　@app.route('/api/users/<int:uid>'， methods=['PUT'])
　　def update_user(uid):
　　    user = users_dict.get(uid， {})
　　    if user:
　　        user = request.get_json()
　　        success = True
　　        status_code = 200
　　    else:
　　        success = False
　　        status_code = 404
　　    result = {
　　        'success': success，
　　        'data': user
　　    }
　　    response = make_response(json.dumps(result)， status_code)
　　    response.headers["Content-Type"] = "application/json"
　　    return response
　　限于篇幅，其它类型的接口实现不在此赘述，完整的接口实现可以参考项目源码。
　　接口服务绪后，按照Flask官方文档，可以通过如下方式进行启动：
　　$ export FLASK_APP=test/api_server.py
　　$ flask run
　　 * Serving Flask app "test.api_server"
　　 * Running on http://127.0.0.1:5000/ (Press CTRL+C to quit)
　　启动后，我们可以通过请求接口来调用已经实现的接口功能了。例如，先创建一个用户，然后查看所有用户的信息，在Python终端中的调用方式如下：
　　$ python
　　Python 3.6.0 (default， Mar 24 2017， 16:58:25)
　　>>> import requests
　　>>> requests.post('http://127.0.0.1:5000/api/users/1000'， json={'name': 'user1'， 'password': '123456'})
　　<Response [201]>
　　>>> resp = requests.get('http://127.0.0.1:5000/api/users')
　　>>> resp.content
　　b'{"success": true， "count": 1， "items": [{"name": "user1"， "password": "123456"}]}'
　　>>>
　　通过接口请求结果可见，接口服务运行正常。
　　在单元测试用例中使用 Mock Server
　　API接口服务（Mock Server）已经有了，但是如果每次运行单元测试时都要先在外部手工启动API接口服务的话，做法实在是不够优雅。
　　推荐的做法是，制作一个ApiServerUnittest基类，在其中添加setUpClass类方法，用于启动API接口服务（Mock Server）；添加tearDownClass类方法，用于停止API接口服务。由于setUpClass会在单元测试用例集初始化的时候执行一次，所以可以保证单元测试用例在运行的时候API服务处于可用状态；而tearDownClass会在单元测试用例集执行完毕后运行一次，停止API接口服务，从而避免对下一次启动产生影响。
　# test/base.py
　　import multiprocessing
　　import time
　　import unittest
　　from . import api_server
　　class ApiServerUnittest(unittest.TestCase):
　　    """
　　    Test case class that sets up an HTTP server which can be used within the tests
　　    """
　　    @classmethod
　　    def setUpClass(cls):
　　        cls.api_server_process = multiprocessing.Process(
　　            target=api_server.app.run
　　        )
　　        cls.api_server_process.start()
　　        time.sleep(0.1)
　　    @classmethod
　　    def tearDownClass(cls):
　　        cls.api_server_process.terminate()
　　这里采用的是多进程的方式（multiprocessing），所以我们的单元测试用例可以和API接口服务（Mock Server）同时运行。除了多进程的方式，我看到locust项目采用的是gevent.pywsgi.WSGIServer的方式，不过由于在gevent中要实现异步需要先monkey.patch_all()，感觉比较麻烦，而且还需要引入gevent这么一个第三方依赖库，所以还是决定采用multiprocessing的方式了。至于为什么没有选择多线程模型（threading），是因为线程至不支持显式终止的（terminate），要实现终止服务会比使用multiprocessing更为复杂。
　　不过需要注意的是，由于启动Server存在一定的耗时，因此在启动完毕后必须要等待一段时间（本例中0.1秒足够了），否则在执行单元测试用例时，调用的API接口可能还处于不可用状态。
　　ApiServerUnittest基类绪后，对于需要用到Mock Server的单元测试用例集，只需要继承ApiServerUnittest即可；其它的写法跟普通的单元测试完全一致。
　　例如，下例包含一个单元测试用例，测试“创建一个用户，该用户之前不存在”的场景。
# test/test_apiserver.py
　　import requests
　　from .base import ApiServerUnittest
　　class TestApiServer(ApiServerUnittest):
　　    def setUp(self):
　　        super(TestApiServer， self).setUp()
　　        self.host = "http://127.0.0.1:5000"
　　        self.api_client = requests.Session()
　　        self.clear_users()
　　    def tearDown(self):
　　        super(TestApiServer， self).tearDown()
　　    def test_create_user_not_existed(self):
　　        self.clear_users()
　　        url = "%s/api/users/%d" % (self.host， 1000)
　　        data = {
　　            "name": "user1"，
　　            "password": "123456"
　　        }
　　        resp = self.api_client.post(url， json=data)
　　        self.assertEqual(201， resp.status_code)
　　        self.assertEqual(True， resp.json()["success"])
　　为项目添加持续集成构建检查（Travis CI）
　　当我们的项目具有单元测试之后，我们可以为项目添加持续集成构建检查，从而在每次提交代码至GitHub时都运行测试，确保我们每次提交的代码都是可正常部署及运行的。