J'ai pu me moquer d'AWS-Batch avec python, moto, donc je vais le laisser

introduction

Je me suis moqué d'AWS-Batch en utilisant moto, et j'ai pu enregistrer le travail, je vais donc le laisser sous forme de mémorandum.

ressource cible fictive

• IAM Role
• Environnement informatique AWS-Batch --AWS-Batch Job Queue --Définition de tâche AWS-Batch

code

test_aws_batch.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import unittest
import boto3
from moto import mock_batch, mock_iam


class MyTestCase(unittest.TestCase):
    @mock_iam
    @mock_batch
    def test_aws_batch(self):
        client = boto3.client('batch')
        iam = boto3.client('iam')

        #rôle simulé iam
        iams = iam.create_role(
            RoleName='test_matsu_iam',
            AssumeRolePolicyDocument='string',

        )
        iam_arn = iams.get('Role').get('Arn')
        print("iamRoleArn: " + iam_arn)

        # aws-simulation d'environnement de calcul par lots
        batch = client.create_compute_environment(
            computeEnvironmentName='test_matsu_batch',
            type='UNMANAGED',
            serviceRole=iam_arn
        )
        compute_environment_arn = batch.get('computeEnvironmentArn')
        print("computeEnvironmentArn: " + compute_environment_arn)

        # aws-maquette de file d'attente de travaux par lots
        job_qs = client.create_job_queue(
            jobQueueName='test_matsu_job_q',
            state='ENABLED',
            priority=1,
            computeEnvironmentOrder=[
                {
                    'order': 1,
                    'computeEnvironment': compute_environment_arn
                },
            ]
        )
        job_q_arn = job_qs.get('jobQueueArn')
        print("jobQueueArn: " + job_q_arn)

        # aws-simulation de définition de tâche par lots
        job_definition = client.register_job_definition(
            jobDefinitionName='test_matsu_job_definition',
            type='container',
            containerProperties={
                'image': 'string',
                'vcpus': 123,
                'memory': 123
            },
        )
        job_definition_arn = job_definition.get('jobDefinitionArn')
        print("jobDefinitionArn: " + job_definition_arn)

        #Ajouter un emploi
        client.submit_job(
            jobName='string',
            jobQueue=job_q_arn,
            jobDefinition=job_definition_arn
        )

        #Obtenir la liste des emplois
        jobs = client.list_jobs(
            jobQueue=job_q_arn
        )

        #Liste des travaux de sortie
        print("jobSummaryList: " + str(jobs.get('jobSummaryList')))


if __name__ == '__main__':
    unittest.main()

Résultat d'exécution

$ python -m unittest test.test_aws_batch -v
test_aws_batch (test.test_aws_batch.MyTestCase) ... iamRoleArn: arn:aws:iam::123456789012:role/test_matsu_iam
computeEnvironmentArn: arn:aws:batch:ap-northeast-1:123456789012:compute-environment/test_matsu_batch
jobQueueArn: arn:aws:batch:ap-northeast-1:123456789012:job-queue/test_matsu_job_q
jobDefinitionArn: arn:aws:batch:ap-northeast-1:123456789012:job-definition/test_matsu_job_definition:1
jobSummaryList: [{'jobId': 'ee3a3206-fdfe-404f-a1c1-9c444b41b546', 'jobName': 'string'}]
ok

----------------------------------------------------------------------
Ran 1 test in 0.167s

OK

Diverses ressources ont été moquées et le travail a été soumis avec succès.

À la fin

Cette maquette permet de tester la soumission de tâches à AWS-Batch sans utiliser de vraies ressources AWS. Malheureusement, le contenu du travail soumis est uniquement «jobId» et «jobName». Il est peu probable qu'il soit disponible pour les tests liés à l'heure ou au statut de création d'emploi. La conclusion est qu'il semble préférable d'utiliser «mock» de «test d'unité» pour les tests qui utilisent le travail soumis.