معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

The Ascend Python Test Framework

ویژگی	مقدار
سیستم عامل	-
نام فایل	ascend-io-test-0.9.4
نام	ascend-io-test
نسخه کتابخانه	0.9.4
نگهدارنده	['Ascend.io Engineering']
ایمیل نگهدارنده	['support@ascend.io']
نویسنده	Ascend.io Engineering
ایمیل نویسنده	support@ascend.io
آدرس صفحه اصلی	https://www.ascend.io
آدرس اینترنتی	https://pypi.org/project/ascend-io-test/
مجوز	Apache-2.0

======================== Ascend.io Test Framework ======================== This package helps developers who are writing custom python for Ascend.io automated pipelines by providing a local testing framework. Local testing speeds the development of python pipeline code. The local framework exercises the code as if the code was running directly in the platform while giving you access to patching and mocking frameworks. Documentation, including examples, is located in our `Ascend Developer Hub <https://developer.ascend.io>`_. Release Notes ------------- ------------- 0.9.4 ------------- * Add ``skip_read_bytes`` to ``AscendPythonReadConnector`` so tests can skip reading data Example ------------ Here is a basic python transformation test case example. The python code under test is located in a file with the name ``my_python_transform.py`` and imported with the name ``my_python_transform``. Other variables, imports, and code are omitted for brevity:: @AscendPySparkTransform(spark=spark_session, module=my_python_transform, schema=input_schema, data=[(123, 'NORMAL', today, today + datetime.timedelta(days=1))], credentials=test_creds, discover_schema=True, patches=[patch('requests.post', return_value=Mock(status_code=200, text='{"internalReportIds":"REPORT_A"}')), patch('requests.get', return_value=Mock(status_code=200, text='{"status":"SUCCESS", "downloadLink": "https://test.my.download"}')), patch('pandas.read_csv', return_value=build_mock_csv()), ], ) def test_normal_loading_process_single_record(input_dataframe, transform_result: DataFrame, mock_results: List[Mock]): """Check that a normal call does the work properly. Assert values are correct. Assert mock services are called.""" assert input_dataframe assert transform_result assert transform_result.count() == 3 dataset = transform_result.collect() # check field mapping assert dataset[0]['CUSTOMER_ID'] == '101' assert dataset[1]['CUSTOMER_ID'] == '102' assert dataset[2]['CUSTOMER_ID'] == '103' assert dataset[0]['YOUR_NAME'] == "customerName.one" assert dataset[0]['THE_OBJECTIVE'] == "customerBudget.one" assert dataset[0]['AD_ID'] == "tempId.one" assert dataset[0]['AD_NAME'] == "myName.one" assert dataset[0]['GEO_LOC'] == "geo_location.one" assert dataset[0]['ORDER_ID'] == "orderId.test" assert dataset[0]['ORDER_NAME'] == "orderName.test" assert dataset[0]['DT'] == "__time.one" assert dataset[0]['AUDIO_IMPRESSIONS'] == 1 assert transform_result.columns.__contains__('RUN_ID') assert transform_result.columns.__contains__('REPORT_START_DT') assert transform_result.columns.__contains__('REPORT_END_DT') assert transform_result.columns.__contains__('record_number') # check mocks were properly called mock_results[0].assert_called_once() mock_results[1].assert_called_once_with(f"https://custom.io/v1/async-query/REPORT_A", headers={'agency': '12', 'x-api-key': 'key', 'Content-Type': 'application/json'}) mock_results[2].assert_called_once_with("https://test.my.download", header=0, skip_blank_lines=True) Decorators are available for all types of Ascend python implementation strategies. Testing scenarios are only limited by your creativity and desire to produce high quality code. Download your pipelines using the `Ascend CLI <https://pypi.org/project/ascend-io-cli/>`_ like this:: ascend download data-flow MY_DATASERVICE MY_DATA_FLOW Write some tests. When your test cases are complete, pushing the code to the platform is simple with the `CLI <https://pypi.org/project/ascend-io-cli/>`_. For example:: ascend apply data-flow MY_DATASERVICE MY_DATA_FLOW --------------- Read the Docs --------------- * `Ascend Developer Hub <https://developer.ascend.io>`_ * `Ascend.io <https://www.ascend.io>`_ * `Ascend CLI <https://pypi.org/project/ascend-io-cli/>`_

نیازمندی

مقدار	نام
>=7.2.1,<8.0.0	pytest
>=3.10.0,<4.0.0	pytest-mock
>=3.3.1,<4.0.0	pyspark

زبان مورد نیاز

مقدار	نام
>=3.7,<4.0	Python

نحوه نصب

نصب پکیج whl ascend-io-test-0.9.4:

pip install ascend-io-test-0.9.4.whl

نصب پکیج tar.gz ascend-io-test-0.9.4:

pip install ascend-io-test-0.9.4.tar.gz