TBC/tests/data/factories.py
d-robotics 633a797226 AutoFlow v2.0: 合并 Test (Robogo) + data-loop-automation (D-Cloud) 为统一平台
- 16 个业务模块,856 个测试用例,40 个 E2E 测试
- 单一 React 19 前端 + PlatformSwitcher 二合一切换
- Flask 后端支持 scenario/dcloud_module/dcloud_e2e/dcloud_all 四种任务类型
- E2E 测试面板:API 全链路(8条) + UI 点击(3条) + 分步测试(3个)
- SSE 实时日志流 + 飞书告警 + 定时调度
- 完整还原原 ToB 平台 TestPanel E2E 模块
2026-06-23 11:48:29 +08:00

259 lines
6.8 KiB
Python
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

"""
测试数据工厂
提供各种业务对象的创建工厂,生成符合业务规则的测试数据。
特性:
- 动态命名(时间戳/UUID)避免冲突
- 可配置的默认值
- 支持自定义覆盖
"""
import time
import uuid
from typing import Dict, Any, Optional
from datetime import datetime
class TestDataGenerator:
"""测试数据生成器基类
提供通用的数据生成工具方法。
"""
@staticmethod
def generate_name(prefix: str = "test") -> str:
"""生成带时间戳的唯一名称
Args:
prefix: 名称前缀
Returns:
str: 唯一名称,格式为 {prefix}_{timestamp}
"""
return f"{prefix}_{int(time.time() * 1000)}"
@staticmethod
def generate_uuid() -> str:
"""生成 UUID
Returns:
str: UUID 字符串
"""
return str(uuid.uuid4())
@staticmethod
def generate_timestamp() -> int:
"""生成时间戳(毫秒)
Returns:
int: 当前时间戳(毫秒)
"""
return int(time.time() * 1000)
@staticmethod
def generate_datetime(fmt: str = "%Y-%m-%d %H:%M:%S") -> str:
"""生成格式化的日期时间字符串
Args:
fmt: 日期时间格式
Returns:
str: 格式化的日期时间字符串
"""
return datetime.now().strftime(fmt)
class DatasetFactory(TestDataGenerator):
"""数据集工厂
用于创建测试用的数据集数据。
"""
@classmethod
def create(
cls,
name: Optional[str] = None,
description: Optional[str] = None,
category: str = "object_detection",
**kwargs
) -> Dict[str, Any]:
"""创建数据集数据
Args:
name: 数据集名称,默认自动生成
description: 描述
category: 类型(object_detection/image_classification等)
**kwargs: 其他字段
Returns:
Dict[str, Any]: 数据集数据字典
"""
return {
"name": name or cls.generate_name("dataset"),
"description": description or f"测试数据集 {cls.generate_datetime()}",
"category": category,
"type": kwargs.get("type", "training"),
"labels": kwargs.get("labels", []),
"tags": kwargs.get("tags", ["自动化测试"]),
**kwargs
}
@classmethod
def create_for_api(cls, **kwargs) -> Dict[str, Any]:
"""创建 API 请求用的数据集数据
Returns:
Dict[str, Any]: API 请求数据
"""
data = cls.create(**kwargs)
# API 特定字段处理
if "labels" not in kwargs:
data["labels"] = ["label1", "label2"]
return data
class DataSpaceFactory(TestDataGenerator):
"""数据空间工厂
用于创建测试用的数据空间数据。
"""
@classmethod
def create(
cls,
name: Optional[str] = None,
description: Optional[str] = None,
space_type: str = "team",
**kwargs
) -> Dict[str, Any]:
"""创建数据空间数据
Args:
name: 空间名称,默认自动生成
description: 描述
space_type: 空间类型(team/personal)
**kwargs: 其他字段
Returns:
Dict[str, Any]: 数据空间数据字典
"""
return {
"name": name or cls.generate_name("space"),
"description": description or f"测试数据空间 {cls.generate_datetime()}",
"type": space_type,
"isPublic": kwargs.get("isPublic", False),
"members": kwargs.get("members", []),
**kwargs
}
class TaskFactory(TestDataGenerator):
"""任务工厂
用于创建测试用的任务数据。
"""
@classmethod
def create(
cls,
name: Optional[str] = None,
task_type: str = "annotation",
dataset_id: Optional[str] = None,
**kwargs
) -> Dict[str, Any]:
"""创建任务数据
Args:
name: 任务名称,默认自动生成
task_type: 任务类型(annotation/training/inference等)
dataset_id: 关联的数据集ID
**kwargs: 其他字段
Returns:
Dict[str, Any]: 任务数据字典
"""
return {
"name": name or cls.generate_name("task"),
"type": task_type,
"datasetId": dataset_id,
"priority": kwargs.get("priority", "normal"),
"assignee": kwargs.get("assignee"),
"dueDate": kwargs.get("dueDate"),
"labels": kwargs.get("labels", []),
"config": kwargs.get("config", {}),
**kwargs
}
@classmethod
def create_annotation_task(cls, dataset_id: str, **kwargs) -> Dict[str, Any]:
"""创建标注任务
Args:
dataset_id: 数据集ID
**kwargs: 其他字段
Returns:
Dict[str, Any]: 标注任务数据
"""
return cls.create(
task_type="annotation",
dataset_id=dataset_id,
**kwargs
)
@classmethod
def create_training_task(cls, **kwargs) -> Dict[str, Any]:
"""创建训练任务
Args:
**kwargs: 其他字段
Returns:
Dict[str, Any]: 训练任务数据
"""
return cls.create(
task_type="training",
**kwargs
)
class CloudDesktopFactory(TestDataGenerator):
"""云桌面工厂
用于创建测试用的云桌面数据。
"""
@classmethod
def create(
cls,
name: Optional[str] = None,
image_id: Optional[str] = None,
cpu: int = 4,
memory: int = 16,
gpu: int = 1,
**kwargs
) -> Dict[str, Any]:
"""创建云桌面数据
Args:
name: 桌面名称,默认自动生成
image_id: 镜像ID
cpu: CPU 核数
memory: 内存大小(GB)
gpu: GPU 数量
**kwargs: 其他字段
Returns:
Dict[str, Any]: 云桌面数据字典
"""
return {
"name": name or cls.generate_name("desktop"),
"imageId": image_id,
"cpu": cpu,
"memory": memory,
"gpu": gpu,
"diskSize": kwargs.get("diskSize", 100),
"networkType": kwargs.get("networkType", "private"),
**kwargs
}