Robustes Python

Kapitel 24. Mutationsprüfung

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Wenn du dein Sicherheitsnetz aus statischer Analyse und Tests spinnst, woher weißt du dann, dass du so viel wie möglich testest? Es ist unmöglich, alles zu testen; du musst klug auswählen, welche Tests du schreibst. Stell dir jeden Test als einen einzelnen Strang in deinem Sicherheitsnetz vor: Je mehr Tests du hast, desto breiter ist dein Netz. Das bedeutet aber nicht automatisch, dass dein Netz gut konstruiert ist. Ein Sicherheitsnetz mit ausfransenden, brüchigen Strängen ist schlimmer als gar kein Sicherheitsnetz; es vermittelt die Illusion von Sicherheit und gibt falsches Vertrauen.

Das Ziel ist es, dein Sicherheitsnetz zu stärken, damit es nicht brüchig wird. Du musst sicherstellen, dass deine Tests tatsächlich fehlschlagen, wenn es Fehler in deinem Code gibt. In diesem Kapitel lernst du, wie du genau das mit Mutationstests erreichen kannst. Du lernst, wie du Mutationstests mit einem Python-Tool namens mutmut durchführst. Mit Hilfe von Mutationstests kannst du die Beziehung zwischen deinen Tests und deinem Code untersuchen. Schließlich erfährst du, was es mit Code Coverage Tools auf sich hat, wie du sie am besten einsetzt und wie du mutmut in deine Coverage Reports integrierst. Wenn du lernst, wie man Mutationstests durchführt, kannst du messen, wie effektiv deine Tests sind.

Was sind Mutationstests?

Beim Mutationstest ...