CC BY
33
структуры и моделирование 2013. № 1(27). С. 82-88
УДК 004.053
АВТОМАТИЗИРОВАННОЕ ТЕСТИРОВАНИЕ СЛОЖНОСТИ АЛГОРИТМОВ С ПОМОЩЬЮ MOCK-ОБЪЕКТОВ
Е.А. Тюменцев
В статье описывается способ тестирования алгоритмической сложности алгоритмов на основе Mock-объектов, позволяющий автоматизировать проверку, исследовать и классифицировать алгоритмы с точки зрения сложности, даже если их реализация неизвестна.
Практически для любой задачи существуют различные способы решения, которые отличаются друг от друга алгоритмической сложностью. Например, в классе двунаправленный список list<T> элементов типа T есть метод int Count(), который возвращает количество элементов в этом списке. Существуют две очевидные возможности (хотя вариантов, на самом деле, больше):
• Класс list<T> хранит количество элементов списка в специально отведённом для этого поле. Тогда метод int Count() будет иметь сложность O(C), где C — константа.
• Метод int Count() перебирает все элементы списка для подсчёта количества элементов. Тогда это метод будет иметь сложность O(n), где n — длина списка.
Чтобы выбирать правильные способы решения, программисту необходимо знать их алгоритмическую сложность. Наиболее распространённым методом оценки сложности является её явное вычисление по исходному коду. К сожалению, исходный код доступен не всегда, а такой метод требует определённой квалификации от программиста и ручной работы. В настоящей статье будет описан подход к написанию автоматизированных тестов на алгоритмическую сложность программного кода на основе Mock-объектов.
Определение 1 (Mock-объект). Объект-имитация реального объекта программного окружения, реализующая только некоторые аспекты реального объекта с целью тестирования определённого поведения программного окружения.
Copyright © 2013 Е.А. Тюменцев LLC "Hello World! Technologies" E-mail: [email protected]
Mock-объекты не являются библиотекой или конкретной технологией тестирования, они представляют собой сложившуюся методологию тестирования объектно-ориентированного программного обеспечения, основанную на принципе обращения зависимостей (The Dependency Inversion Principle) [1]. Подробнее об истории выработки практики применения Mock-объектов можно прочитать в [2].
Суть предлагаемого способа тестирования можно выразить следующей цепочкой утверждений:
• Алгоритмическая сложность прямо зависит от количества и состава операций, выполненных над входным набором данных.
• Операция в объектно-ориентированном программировании представляет собой поведение некоторого объекта.
• Поведение объекта описывает какой-либо интерфейс.
• Mock-объект подменяет собой реальный объект с целью проведения тестирования.
• Подмена реального объекта Mock-объектом происходит за счёт того, что оба этих объекта реализуют один и тот же интерфейс, а программа в целом должна удовлетворять принципу подстановки Лисков [3].
Следовательно, чтобы определить алгоритмическую сложность какого-либо алгоритма, необходимо предоставить этому алгоритму вместо реальных объектов Mock-объекты. Каждый метод Mock-объекта будет считать каждый собственный вызов. После того, как тестируемый алгоритм завершит свою работу, будет известно, сколько каждый метод был вызван.
Остаётся только проверить значения соответствующих счётчиков в зависимости от количества входных данных.
Проиллюстрируем вычисление алгоритмической сложности на примерах. Для примеров был использован C++ и компилятор MSVS 2010. Предположим, что у нас есть бинарное дерево с операцией вставки Insert.
template<typename T> class Tree {
struct TreeNode
{
TreeNode(T const& value) {
this->value = value; left = 0; right = 0;
}
TreeNode* left;
TreeNode* right; T value;
};
public:
Tree() { root =0; }
void Insert(T const& value) {
if(0 == root)
root = new TreeNode(value); else
_insert(root, value);
}
private:
void _insert(TreeNode *root, T const & value) {
if(value == root->value) return;
else {
if(value < root->value) {
if(0 == root->left)
root->left = new TreeNode(value); else
_insert(root->left, value);
}
else {
if(0 == root->right)
root->right = new TreeNode(value); else
_insert(root->right, value);
}
}
}
TreeNode *root;
Мы хотим протестировать сложность вставки в данное дерево. Для этого создадим Моск-объект — класс А. Сложность будем считать в операциях чте-
ния и записи данного объекта (при необходимости можно было бы считать и каждую операцию в отдельности). К пишущим операциям отнесём конструктор копии и оператор присваивания. К читающим операциям - ==, < .
class A {
public:
A(): someValue(0){}
A(int value): someValue(value) {}
A(A const& other) {
++other.writeCounter; this->someValue = other.someValue;
}
A& operator=(A const& other) {
++other.writeCounter; this->someValue = other.someValue; return *this;
}
private:
int someValue; public:
static int readCounter; static int writeCounter;
static void Clear() {
readCounter = 0; writeCounter = 0;
}
friend bool operator==(A const& a1, A const & a2); friend bool operator<(A const& a1, A const & a2);
};
int A::readCounter = 0; int A::writeCounter = 0;
bool operator==(A const& a1, A const & a2) {
++a1.readCounter;
return a1.someValue == a2.someValue;
bool operator<(A const& a1, A const & a2) {
++a1.readCounter;
return a1.someValue < a2.someValue;
}
bool operator==(std::pair<const A, int> & p1,
std::pair<const A, int> & p2)
{
return p1.first == p2.first;
}
Хорошо известно, что в худшем случае вставка n элементов в бинарное дерево поиска имеет сложность порядка O(n2). Проверим это на примере:
Tree<A> tree;
for(int i = 0; i < 1024; ++i) {
tree.Insert(A(i));
}
cout << "Insert 1024 items to nonbalanced tree: read " << A::readCounter << " write " << A::writeCounter << endl;
Вывод на консоль:
Insert 1024 items to nonbalanced tree: read 1047552 write 1024
Получаем n * (n — 1) операций чтения, и n операций записи, что в сумме даёт n2 общего числа операций.
В наилучшем случае вставка n элементов в бинарное дерево поиска имеет сложность порядка O(n * log2(n)). Напишем специальную функцию вставки, которая нам обеспечит наилучший случай:
void Insert(Tree<A> & t, int l, int r) {
int val = (l+r)/2; t.Insert(A(val));
if(l!= val)
Insert(t, l, val); if(r - val > 1)
Insert(t, val, r); else
if(r-val == 1) t.Insert(r);
Теперь проверим количество операций:
Tree<A> tree; Insert(tree, 0, 1023);
cout << "Insert 1024 items to nonbalanced tree: read " << A::readCounter << " write " << A::writeCounter << endl;
Вывод на консоль:
Insert 1024 items to nonbalanced tree: read 41483 write 1024
log2(1024) = 10, а, следовательно, исследуемый нами случай имеет сложность порядка C * O(n * log2(n)).
Очевидно, что рассмотренный код несложно преобразовать в автоматический тест на базе одной из известных библиотек для организации тестирования.
Таким способом можно тестировать и исследовать не только собственные классы, но и сторонний код. Рассмотрим классы list<T> и map<Key, Value> стандартной библиотеки STL языка С++. Заметим, что в качестве Mock-объекта можно использовать тот же самый класс A, который применялся для тестирования класса Tree.
Известно, что вставка в список имеет порядок O(C).
list<A> list;
for(int i = 999; i >= 0; --i)
list.insert(list.begin(), A(i)); cout << "Insert to list: read " << A::readCounter << " write " << A::writeCounter << endl;
Вывод на консоль:
Insert to list: read 0 write 1000.
В худшем случае операция поиска в линейном списке имеет порядок O(n).
find(list.begin(), list.end(), A(999)); cout << "Find in list: read " << A::readCounter << " write " << A::writeCounter << endl;
Вывод на консоль:
Find in list: read 1000 write 0.
Вставка n элементов в map имеет сложность порядка O(n * log2(n)).
map<A,int> map; for(int i = 0; i < 1024; ++i) map[A(i)] = i;
cout << "Insert to map 1024 items: read " << A::readCounter << " write " << A::writeCounter << endl;
Вывод на консоль:
Insert to map 1024 items: read 31828 write 2048
По выводу на консоль видно, что при вставке в map вставляется не сам элемент, а его копия, что для больших объектов без разделения состояния между экземплярами может привести к накладным расходам, сводящим на нет преимущества от использования map.
В настоящей статье был рассмотрен подход к реализации тестирования алгоритмической сложности объектно-ориентированных систем с применением Mock-объектов, позволяющий:
автоматизировать проверку алгоритмической сложности используемого решения;
вычислять трудоёмкость в терминах выполняемых операций;
как следствие предыдущего пункта, применять количественные критерии, не зависящие от вычислительного устройства, при описании требований к производительности;
исследовать и классифицировать алгоритмы с точки зрения сложности, даже если их реализация неизвестна;
применять разработанные тесты и на реальных данных.
Литература
1. The Dependency Inversion Principle. URL: http://www.objectmentor.com/ resources/articles/dip.pdf (дата обращения: 01.12.12)
2. A Brief History of Mock Objects. URL: http://www.mockobjects.com/2009/ 09/brief-history-of-mock-objects.html (дата обращения: 01.12.12)
3. The Liskov Substitution Principle. URL: http://www.objectmentor.com/ resources/articles/lsp.pdf (дата обращения: 01.12.12)
