""" 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 }