使用 Elasticsearch 进行集成测试初始化数据时的注意事项

作者：来自 Elastic piotrprz

在创建应该使用 Elasticsearch 进行搜索、数据聚合或 BM25/vector/search 的软件时，创建至少少量的集成测试至关重要。虽然 “模拟索引” 看起来很诱人，因为测试甚至可以在几分之一秒内运行，但它们实际测试的不是与真实 Elasticsearch 的交互，而是我们对 Elasticsearch 的想象。这可能会在生产中得到严格的验证，特别是在集群更新之后 :wink:

为了减轻集成测试最明显的缺点，至关重要的是使用数据初始化 Elasticsearch，这种方式对于日常生产场景来说可能不是最佳的，但对于测试设置来说却非常有效。

更多有关测试的文章：

使用真实 Elasticsearch 进行更快的集成测试
使用模拟和真实的 Elasticsearch 来测试你的 Java 代码

不要重新创建容器

依赖 Elasticsearch 测试你的功能可能只需要很少的时间，比如几分之一秒。那么在测试之间重新启动 Elasticsearch 并不是一个明智的想法，因为你将额外花费几十秒钟来等待 ES 启动。

只需在测试之前启动一次 Elasticsearch，在每次测试后进行清理，并在每次测试之前初始化数据。

提示：如果您在 Java 等语言中使用 Elasticsearch 的 Testcontainers 模块，请确保该字段是 @Container static 或至少在 @BeforeAll 中启动。

测试之前，cURL 是你的好朋友

在生产代码（我们正在测试）中使用客户端库是一个明智的选择。然而，在准备测试环境时，采用更为复杂的方法可能会有好处，因为生产用例和测试数据设置的需求并不 100% 相同。使用 cURL 管理 Elasticsearch 中的数据并不是什么难事，正如我们在之前的文章中看到的那样：如何使用 cURL Elasticsearch：进入 Shell。

另一个好处是 cURL 与编程语言无关，因此来自不同技术栈的人可以更容易理解测试。
从 Testcontainers 使用 cURL 并不比 Bash 困难多少，例如，如果你需要删除书籍索引，可以这样做：

elasticsearch.execInContainer("curl", "https://localhost:9200/books", "-u", "elastic:changeme","--cacert", "/usr/share/elasticsearch/config/certs/http_ca.crt","-X", "DELETE"
)

尽可能批量

在很多情况下，索引单个文档是有意义的，但加载测试数据不是其中之一。无需发出 1000 个请求来索引每个文档，只需运行一个包含 1000 个文档的 _bulk 请求即可。即使使用测试容器也不是什么难事：

elasticsearch.execInContainer("curl", "https://localhost:9200/_bulk?refresh=true", "-u", "elastic:changeme","--cacert", "/usr/share/elasticsearch/config/certs/http_ca.crt","-X", "POST","-H", "Content-Type: application/x-ndjson","--data-binary", "@/tmp/books.ndjson"
)

通过这种方法，您甚至可以在一次调用中将文档添加到许多线索中！

尽量本地化

CPU缓存比内存快得多，本地存储通常比网络快。如果你有十个用例都依赖同一份数据集，那就没有必要每次都把同样的数据发送到同一个容器里（毕竟我们不会每次测试都创建新容器，对吧？）

因此，在创建容器时，加上 .withCopyToContainer(...)，这样你就可以把文件一次性复制到容器，然后像上面那样直接用 _bulk 处理。这大概是这样的：

static ElasticsearchContainer elasticsearch =new ElasticsearchContainer(ELASTICSEARCH_IMAGE).withCopyToContainer(MountableFile.forHostPath("src/test/resources/books.ndjson"), "/tmp/books.ndjson");

这在设置（如 CI）中尤其有意义，其中容器运行时不是本地的，而是从不同的机器注入的。