敏捷软件开发中，重要实践的是测试驱动开发，在单元测试层面，我们试着实现一个重要的指标是测试覆盖率。测试覆盖率衡量我们的代码是否已经全部被测试到了。
　　但是指标本身不是目的，借助测试覆盖率检查，我们希望发现那些未被测试覆盖的代码，从而去思考如何测试那些代码的逻辑，进而更好的设计重构代码，让代码有更高的质量。

　　谈到测试，正好近在看《数学之美》，书中谈到的关于信息的一段话。我们要把代码的行为从不确定性，变成确定性，也是一样。从黑盒变成白盒，没有什么神奇的力量，唯有提供足够的信息，而测试中的断言是信息，测试覆盖率也是信息，测试覆盖率可以认为是一种间接的信息，可以消除一部分不确定性，而充分的断言，则提供了更直接的信息。加上测试覆盖率检查，能够提供足够的信息，来断言代码的行为是否符合期望。
　　测试的相关技术
　　Istanbul是JavaScript程序的代码覆盖率工具，以土耳其大城市伊斯坦布尔命名。Istanbul会对代码进行转换，生成语法树，然后在相应位置注入统计代码，执行之后根据注入的全局变量的值，统计代码执行的次数；在对代码的转换完成之后，Istanbul会调用test runner，例如mocha，执行转换之后的代码的测试，生成测试报告。
　　Mocha是一种测试框架，也是运行测试的工具，类似Jasmine、Karma和Ava。跟JUnit的注解一样，mocha作为执行器，用descibe和it方法，来定义test suit，为不同的测试分组。mocha本身并不提供assert断言，所以要提供更加有表现力的断言，可以搭配chai使用，当然也可以使用nodejs提供的assert模块。
　　在我们的代码中，总会有一些复杂的逻辑或者依赖io、网络的异步代码，用直接的方法难以测试，这时可以通过sinon简化复杂代码的测试。Sinon通过创建Test Double也是测试替身，将我们代码中依赖的一些函数或者类，替换成测试替身，而我们可以对测试替身的行为进行设置，模拟我们的代码需要的结果，从而让难以测试的代码逻辑被执行。
　　为nodejs项目配置测试环境
　　1 安装相应的依赖包
　　mocha和istanbul可以全局安装，也可以只在当前项目安装。
npm install --save-dev mocha chai sinon istanbul
　　安装完成之后，在package.json文件的scripts下，添加执行测试和测试覆盖率检查的命令
　{
　　  ...
　　  "scripts":{
　　    "coverage": "istanbul cover _mocha -- -R spec --timeout 5000 --recursive"，
　　    "coverage:check": "istanbul check-coverage"，
　　  }
　　  ...
　　}
　　运行npm run coverage和npm run coverage:check，可以生成测试报告，前者生成测试报告，后者则是检查测试覆盖率是否达到要求。

　　2 配置Istanbul
　　istanbul相关的执行参数，可以在命令行下执行时传递参数来制定，也可以在yaml格式的.istanbul.yml文件中配置。简单贴出一些重要的配置项
　　instrumentation:
　　  root: .   # 执行的根目录
　　  extensions:
　　    - .js   # 检查覆盖率的文件扩张名
　　  excludes: ['**/benchmark/**']
　　  ... ...
　　reporting:
　　  print: summary
　　  reports: [lcov， text， html， text-summary] # 生成报告的格式
　　  dir: ./coverage   # 生成报告保存的目录
　　  watermarks:       # 在不同覆盖率下会显示使用不同颜色
　　    statements: [80， 95]
　　    ... ...
　　check:
　　  global:
　　    statements: 100
　　    branches: 100
　　    lines: 100
　　    functions: 100
　　后的check是项目要通过覆盖率检查需要达到的测试覆盖率，测试覆盖率包括四个维度，分别是语句覆盖率、分支覆盖率、行覆盖率和函数覆盖率。如果达不到设定的指标，在执行的时候会报错，项目的测试无法通过自动化的持续集成。
　　编写测试代码
　　敏捷软件开发中的测试驱动开发，意在通过先写测试，根据调用者的契约，设计如何实现代码，从而写出更加容易测试的代码，提高代码的质量。也是我们练习测试的应该考虑的方向。
　　1 一段简单的mocha测试代码
　　利用chai提供的expect断言，我们可以用BDD的方式，写出更加符合代码预期行为的测试用例。
　var chai = require('chai')
　　chai.should()
　　var expect = chai.expect
　　var assert = chai.assert
　　describe('basic test'， function () {
　　  describe('simple'， function () {
　　    it('data check'， function () {
　　      var data = { name: "test" }
　　      assert.isNotNull(data， 'data should not be null')
　　      expect(data).to.be.an('object')
　　      expect(data).to.have.all.keys(['name'])
　　      expect(data).to.deep.include({name: 'test'});
　　    });
　　  });
　　});
　　2 用Sinon模拟文件读写
　... 同上 ...
　　var sinon = require('sinon')
　　var fs = require('fs')
　　describe('sinon'， function () {
　　  it("should mock readFile"， function(done){
　　    sinon.stub(fs， 'readFile').callsFake(function (path， callback) { callback(new Error('read error')) })
　　    fs.readFile("any file path"， function(err，data){
　　      assert.isNotNull(err)
　　      done()
　　    })
　　    assert(fs.readFile.calledOnce)
　　  });
　　});
　　在mocha测试框架中，如果我们调用的是异步的代码，那么需要显示的调用it回调函数的done方法，告诉mocha异步调用什么时候结束。否则的话，测试会挂起，直到设置的超时时间结束。
　　Sinon将测试替身分为spy、stub和mock，其中：
　　Spy， 可以提供函数调用的信息，但不会改变函数的行为
　　Stub， 提供函数的调用信息，并且可以像示例代码中一样，让被stubbed的函数返回任何我们需要的行为。
　　Mock， 通过组合spies和stubs，使替换一个完整对象更容易。
　　本文的讨论篇幅有限，暂时不详细介绍各种sinon的使用方法，以后再通过其他文章专门介绍。
　　持续集成
　　完成所有代码之后，我们可以将代码发布到github，然后使用持续集成工具travis检查代码，将生成的测试报告上传到coverall上，这样可以在项目中显示项目状态和测试覆盖率的badges。
　　具体使用方法，可以参看官方网站，使用coveralls需要在项目中安装依赖包npm i -D coveralls。并且添加package.json执行脚本istanbul cover ./node_modules/mocha/bin/_mocha --report lcovonly -- -R spec && cat ./coverage/lcov.info | ./node_modules/coveralls/bin/coveralls.js
　　通常的nodejs项目.travis.yml配置如下：
　language: node_js
　　node_js:
　　  - "7.6.0"
　　install:
　　  - npm install
　　script:
　　  - npm test
　　after_script:
　　  - npm run coverall
　　本文涉及到的相关技术可以参看近的一个项目，该项目完整的使用了文中涉及到的技术。
　　https://github.com/liuwill/find-ip-location