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

Testing framework for BigQuery SQL

ویژگی	مقدار
سیستم عامل	-
نام فایل	bqunit-0.1.3
نام	bqunit
نسخه کتابخانه	0.1.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	to-lz1
ایمیل نویسنده	m.toriyama000@gmail.com
آدرس صفحه اصلی	https://github.com/to-lz1/bqunit
آدرس اینترنتی	https://pypi.org/project/bqunit/
مجوز	MIT

BQUnit ========== Testing framework for BigQuery SQL. What is this? ------------- BigQuery enables us to execute "super-fast SQL queries using the processing power of Google's infrastructure". However, testing query-based data pipelines sometimes become depressing work, because: * SQL itself takes more responsibility in data transformation logic, and the glue code layer like Python scripts(which is relatively easy to test) doesn't. * We can't imitate BigQuery infrastructure easily. There's no Docker image, StandardSQL has many unique syntaxes which can't be used on other RDBMS, and above all, Google has huge computing resources than ours. BQUnit solves this problem, by managing your test data preparation on your BigQuery data set, which is isolated from your production environment. Usage ------------ First, instantiate BQUnit object:: bqunit = BQUnit(project_id='test-env-123456', dataset_name='bqunit') # If Application Default Credential is set, project id is not required. bqunit = BQUnit(dataset_name='bqunit') And then, mockup your tables by a fixture() method call:: bqunit.fixture( table_name='your-production-123456.foo.bar', statement=""" select 1 as col1, 'str_1' as col2, true as col3 union all select 2, 'str_2', false """) **You don't need to know where to insert your test data**. You just need to specify your production table name here. Testing will be like this:: tested_query = """ select col1, col2 from `your-production-123456.foo.bar` foo where col1 = 1 """ query_result = bqunit.test_query(tested_query) assert query_result.total_rows == 1 BQUnit execute your query on test data set, which is created when you called the fixture() method, so you can predict its result set correctly, and make assertions. Note that *query_result* will be RowIterator object of *google-cloud-bigquery* library. see also `google-cloud-bigquery documentation <https://googleapis.dev/python/bigquery/latest/generated/google.cloud.bigquery.table.RowIterator.html>`_.

نیازمندی

مقدار	نام
>=1.24.0,<2.0.0	google-cloud-bigquery

زبان مورد نیاز

مقدار	نام
>=3.7,<4.0	Python

نحوه نصب

نصب پکیج whl bqunit-0.1.3:

pip install bqunit-0.1.3.whl

نصب پکیج tar.gz bqunit-0.1.3:

pip install bqunit-0.1.3.tar.gz